В статье исследуется применение свёрточно-рекуррентных нейронных сетей (CRNN) для распознавания изображений кадастровых координат объектов на отсканированных документах ППК «Роскадастр». Комбинированная архитектура CRNN, объединяющая свёрточные нейронные сети (CNN) и рекуррентные нейронные сети (RNN), позволяет использовать преимущества каждой из них для обработки изображений и распознавания содержащихся в них непрерывных цифровых последовательностей. При проведении экспериментальных исследований были формированы изображения, состоящие из заданного количества цифр, построена и исследована CRNN модель. Формирование изображений цифровых последовательностей заключалось в предобработке и конкатенации изображений образующих их цифр из собственного набора данных. Анализ значений функции потерь и метрик Accuracy, Character Error Rate (CER) и Word Error Rate (WER) показал, что использование предложенной CRNN модели позволяет достичь высокой точности распознавания кадастровых координат на их отсканированных изображениях.
Постановка проблемы. Современные системы умных парковок в большинстве случаев ориентированы исключительно на сбор и анализ данных о занятости парковочных мест, в то время как взаимодействие с конечным пользователем реализовано недостаточно эффективно. Отсутствие понимания понятных инструментов для водителей ограничивает практическую ценность таких систем. Цель исследования - повышение удобства и эффективности работы пользователей с помощью системы умной парковки для разработки решений по стоимости решений и технологических решений. Методы. Предложенная система разработана с использованием микросервисной схемы и сетевых компонентов интернет-вещей, включая камеры видеонаблюдения, датчики движения, а также сверхточные нейронные сети для срабатывания государственных регистрационных знаков транспортных средств. Обработка данных осуществляется в центральном направлении с последующими результатами для пользователя через удобный интерфейс. Новизна. В отличие от существующих решений акцент сделан на разработке с конечным пользователем. Применение нейросетевых технологий в соединении с Интернетом в рамках микросервисной структуры позволяет собирать данные, их интеллектуальную обработку и представление в единой адаптивной системе устройства. Результаты. Разработанная система обеспечивает мониторинг и анализ данных о доступности парковочных мест, а также предоставляет адаптированный интерфейс с актуальной информацией о местах хранения. Реализация микросервисного резерва позволит достичь гибкости, масштабируемости и устойчивости системы при увеличении нагрузки. Интеграция нейронных сетей повышает точность отслеживания номеров, что, в свою очередь, обеспечивает гарантию качества работы всей парковочной рабочей силы. Практическая изобретательность. Разработанная система может быть использована при проектировании и модернизации городской парковочной адаптации, а также адаптирована для работы в умных транспортных системах. Полученные результаты могут быть полезны муниципальным службам и частным операторам парковочных комплексов.