id
int64
18
21.1k
created_at
timestamp[ns, tz=UTC]date
2026-02-23 07:30:20
2026-02-24 16:54:39
updated_at
timestamp[ns, tz=UTC]date
2026-02-23 08:08:14
2026-02-24 16:54:39
doc_name
stringclasses
1 value
input
stringlengths
11
9.24k
output
stringlengths
0
738
is_personal
bool
2 classes
is_sentence
bool
2 classes
is_corrected
bool
2 classes
19,307
2026-02-24T15:27:42.010000Z
2026-02-24T15:27:42.010000Z
Lec.
David R. et al
false
false
false
19,306
2026-02-24T15:27:39.443000Z
2026-02-24T15:27:39.443000Z
Lec.
Tiny machine learning (Tiny-ML) for efficient channel estimation and signal detection //IEEE Transactions on Vehicular Technology. – 2022. – Т. 71. – №. 6. – С. 6795-6800. 14
false
true
false
19,305
2026-02-24T15:27:36.386000Z
2026-02-24T15:27:36.386000Z
Lec.
Liu H. et al
false
false
false
19,304
2026-02-24T15:27:33.553000Z
2026-02-24T15:27:33.553000Z
Lec.
Comparison of Faster-RCNN, YOLO, and SSD for real-time vehicle type recognition //2020 IEEE international conference on consumer electronics-Asia (ICCE-Asia). – IEEE, 2020. – С. 1-4. 13
false
false
false
19,303
2026-02-24T15:27:30.649000Z
2026-02-24T15:27:30.649000Z
Lec.
Kim J., Sung J
true
false
false
19,302
2026-02-24T15:27:28.032000Z
2026-02-24T15:27:28.032000Z
Lec.
Efficientdet: Scalable and efficient object detection //Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. – 2020. – С. 10781-10790. 12
false
true
false
19,301
2026-02-24T15:27:24.908000Z
2026-02-24T15:27:24.908000Z
Lec.
Ssd: Single shot multibox detector //Computer Vision–ECCV 2016: 14th European Conference, Amsterdam, The Netherlands, October 11–14, 2016, Proceedings, Part I 14. – Springer International Publishing, 2016. – С. 21-37. 11.Tan M., Pang R., Le Q
false
false
false
19,300
2026-02-24T15:27:21.648000Z
2026-02-24T15:27:21.648000Z
Lec.
A Review of Yolo algorithm developments //Procedia computer science. – 2022. – Т. 199. – С. 1066-1073. 10
false
true
false
19,299
2026-02-24T15:27:18.037000Z
2026-02-24T15:27:18.037000Z
Lec.
Jiang P. et al
false
true
false
19,298
2026-02-24T15:27:15.054000Z
2026-02-24T15:27:15.054000Z
Lec.
Вудс. — 3-е изд., испр. и доп. — Москва : Техносфера, 2024. — 1104 с. — ISBN 978-5-94836-331-8. 9
false
true
false
19,297
2026-02-24T15:27:11.692000Z
2026-02-24T15:27:11.692000Z
Lec.
Гонсалес, Р
true
false
false
19,296
2026-02-24T15:27:09.027000Z
2026-02-24T15:27:09.027000Z
Lec.
Цифровая обработка изображений : [учебное пособие] / Р
false
true
false
19,295
2026-02-24T15:27:05.916000Z
2026-02-24T15:27:05.916000Z
Lec.
Гонсалес Р., Вудс Р
true
false
false
19,294
2026-02-24T15:27:03.586000Z
2026-02-24T15:27:03.586000Z
Lec.
Obstacle detection using ultrasonic sensors //IJIRST–International Journal for Innovative Research in Science & Technology. – 2016. – Т. 2. – №. 11. 8
false
true
false
19,293
2026-02-24T15:27:00.478000Z
2026-02-24T15:27:00.478000Z
Lec.
Smart parking systems: comprehensive review based on various aspects //Heliyon. – 2021. – Т. 7. – №. 5. 7
false
true
false
19,292
2026-02-24T15:26:57.547000Z
2026-02-24T15:26:57.547000Z
Lec.
Fahim A., Hasan M., Chowdhury M
true
false
false
19,291
2026-02-24T15:26:55.084000Z
2026-02-24T15:26:55.084000Z
Lec.
Open Source Software implementation in the UK public sector: Evidence from the field and implications for the future //International journal of information management. – 2005. – Т. 25. – №. 5. – С. 411-428. 6
false
true
false
19,290
2026-02-24T15:26:51.949000Z
2026-02-24T15:26:51.949000Z
Lec.
Более половины опрошенных россиян пожаловались на проблемы с доступной парковкой – URL: https://iz.ru/1866933/2025-04-08/koalicia-zelausih-obesaet-kievu-garantii-bezopasnosti-cto-nuzno-znat (дата обращения 06.04.2025). 5.Waring T., Maddocks P
false
false
false
19,289
2026-02-24T15:26:48.940000Z
2026-02-24T15:26:48.940000Z
Lec.
Исследование проблем парковок в больших городах России //Исследования человеческого капитала как стратегического ресурса социально-экономического развития: теория, методы, практика.—Екатеринбург, 2014. – 2014. – С. 40-48. 4
false
true
false
19,288
2026-02-24T15:26:46.015000Z
2026-02-24T15:26:46.015000Z
Lec.
Сколько времени занимает поиск парковки в городах мира? — URL: https://transport.mos.ru/mostrans/all_news/21424 (дата обращения 04.04.2025). 3
false
true
false
19,287
2026-02-24T15:26:42.740000Z
2026-02-24T15:26:42.740000Z
Lec.
Измеритель текущих значений времени с видеофиксацией «ПАРКОН - URL: https://www.simicon.ru/rus/product/gun/parkon.html (дата обращения 16.02.2025). 2
false
true
false
19,286
2026-02-24T15:26:39.901000Z
2026-02-24T15:26:39.901000Z
Lec.
Проанализировать ограничения и недостатки работы модели на реальном устройстве. 4 Список источников. 1
false
false
false
19,285
2026-02-24T15:26:37.581000Z
2026-02-24T15:26:37.581000Z
Lec.
Спроектировать программно-аппаратный комплекс рабочего прототипа и произвести его сборку
false
true
false
19,284
2026-02-24T15:26:34.658000Z
2026-02-24T15:26:34.658000Z
Lec.
Оценить размер программного обеспечения, оценить необходимую производительность микроконтроллера, оценить работоспособность программного обеспечения на разных микроконтроллерах
false
true
false
19,283
2026-02-24T15:26:32.144000Z
2026-02-24T15:26:32.144000Z
Lec.
Взаимодействие с устройством беспроводной связи по ранее определенному протоколу
false
true
false
19,282
2026-02-24T15:26:28.952000Z
2026-02-24T15:26:28.952000Z
Lec.
Предварительная обработка изображения, анализ содержимого (поиск парковочных мест, определение свободных парковочных мест)
false
false
false
19,281
2026-02-24T15:26:25.296000Z
2026-02-24T15:26:25.296000Z
Lec.
Взаимодействие с камерой
false
true
false
19,280
2026-02-24T15:26:22.936000Z
2026-02-24T15:26:22.936000Z
Lec.
Разработать программное обеспечение для микроконтроллера со следующим функционалом:
true
true
false
19,279
2026-02-24T15:26:18.511000Z
2026-02-24T15:26:18.511000Z
Lec.
Проанализировать беспроводные протоколы связи для взаимодействия с другими устройствами
false
true
false
19,278
2026-02-24T15:26:15.616000Z
2026-02-24T15:26:15.616000Z
Lec.
Спроектировать программно-аппаратную архитектуру рабочего прототипа
false
true
false
19,277
2026-02-24T15:26:12.319000Z
2026-02-24T15:26:12.319000Z
Lec.
Оценить эффективность нейросетевой модели компьютерного зрения
false
true
false
19,276
2026-02-24T15:26:09.531000Z
2026-02-24T15:26:09.531000Z
Lec.
Адаптировать нейронную модель для запуска на микроконтроллере, подготовить интеграцию нейронной модели в программное обеспечение микроконтроллера
false
true
false
19,275
2026-02-24T15:26:06.954000Z
2026-02-24T15:26:06.954000Z
Lec.
Разработка нейросетевой модели компьютерного зрения
false
true
false
19,274
2026-02-24T15:26:04.502000Z
2026-02-24T15:26:04.502000Z
Lec.
Для достижения цели были определены следующие задачи:
false
true
false
19,273
2026-02-24T15:26:00.778000Z
2026-02-24T15:26:00.778000Z
Lec.
Целью данного исследования является разработка эффективной нейронной сети, достаточно компактной для запуска на микроконтроллере
false
true
false
19,272
2026-02-24T15:25:57.940000Z
2026-02-24T15:25:57.940000Z
Lec.
На основании обзора литературы был сделан вывод о возможности запуска нейросетевых моделей компьютерного зрения на микроконтроллерах
false
true
false
19,271
2026-02-24T15:25:55.125000Z
2026-02-24T15:25:55.125000Z
Lec.
Ключевыми направлениями для дальнейших исследований остаются повышение устойчивость алгоритмов к изменяющимся условиям окружающей среды и минимизация задержек при работе нейросети без существенной потери точности. 3 Постановка задачи
false
true
false
19,270
2026-02-24T15:25:52.321000Z
2026-02-24T15:25:52.321000Z
Lec.
Таким образом, разработка системы на базе STM32, сочетающей методы компьютерного зрения с оптимизацией под ограниченные ресурсы, представляет собой актуальную задачу, решение которой может способствовать развитию автономных парковочных систем с низким энергопотреблением и умеренной стоимостью
false
true
false
19,269
2026-02-24T15:25:49.435000Z
2026-02-24T15:25:49.435000Z
Lec.
Кроме того, исследование коммерческих и академических проектов подтвердило растущий спрос на решения для умных парковок, но выявило недостаток готовых решений, ориентированных именно на микроконтроллеры
false
true
false
19,268
2026-02-24T15:25:46.673000Z
2026-02-24T15:25:46.674000Z
Lec.
Сравнительный анализ микроконтроллерных платформ показал, что STM32 обеспечивает приемлемый баланс производительности и энергоэффективности, однако для достижения стабильной работы на частоте 5–10 FPS требуется дальнейшая адаптация алгоритмов, включая аппаратное ускорение и эффективное управление памятью
false
true
false
19,267
2026-02-24T15:25:43.755000Z
2026-02-24T15:25:43.755000Z
Lec.
Оптимизация моделей за счет квантизации, прунинга и использования специализированных инструментов (STM32Cube.AI, TensorFlow Lite) позволяет частично решить эту проблему, но приводит к компромиссу между точностью и быстродействием
false
true
false
19,266
2026-02-24T15:25:41.167000Z
2026-02-24T15:25:41.167000Z
Lec.
Современные нейросетевые архитектуры, такие как YOLO и EfficientDet, обеспечивают высокую точность детектирования, однако их прямое применение на ресурсоограниченных устройствах, включая STM32, затруднено из-за высоких вычислительных затрат
false
true
false
19,265
2026-02-24T15:25:38.292000Z
2026-02-24T15:25:38.292000Z
Lec.
В отличие от них, компьютерное зрение предлагает более гибкий и масштабируемый подход, но требует решения проблем, связанных с изменчивостью условий освещения, сложностью фона и необходимостью обработки данных в реальном времени
false
true
false
19,264
2026-02-24T15:25:35.435000Z
2026-02-24T15:25:35.435000Z
Lec.
Традиционные методы, основанные на индукционных и ультразвуковых датчиках, демонстрируют высокую надежность, однако их применение сопряжено со значительными затратами на развертывание и обслуживание инфраструктуры
false
true
false
19,263
2026-02-24T15:25:32.842000Z
2026-02-24T15:25:32.842000Z
Lec.
Проведенный анализ существующих решений в области детектирования парковочных мест позволил выявить ключевые тенденции и технологические ограничения, актуальные для разработки CV-систем на микроконтроллерах
false
true
false
19,262
2026-02-24T15:25:29.954000Z
2026-02-24T15:25:29.954000Z
Lec.
Так, группе исследователей удалось достичь потребления в 620 mW[24], а использование MCUNet позволяет уменьшить потребление ОЗУ и ПЗУ в разы в сравнении с популярными технологиями при незначительном уменьшении точности [25]. 2.4 Выводы по разделу
false
true
false
19,261
2026-02-24T15:25:25.050000Z
2026-02-24T15:25:25.050000Z
Lec.
Выше были приведены максимально возможные данные энергопотребления, но многое зависит от архитектуры самой нейронной сети
false
true
false
19,260
2026-02-24T15:25:21.886000Z
2026-02-24T15:25:21.886000Z
Lec.
В целом, данные согласуются с исследованием [23]
false
true
false
19,259
2026-02-24T15:25:19.044000Z
2026-02-24T15:25:19.044000Z
Lec.
Таким образом, мы видим, что самым энергоэффективным является микроконтроллер STM32G071xx
false
true
false
19,258
2026-02-24T15:25:16.659000Z
2026-02-24T15:25:16.659000Z
Lec.
ATSAMD21G18. 29. 130. 4,48
false
false
false
19,257
2026-02-24T15:25:13.904000Z
2026-02-24T15:25:13.904000Z
Lec.
RP2040. 24. 105. 4,38
false
false
false
19,256
2026-02-24T15:25:11.281000Z
2026-02-24T15:25:11.281000Z
Lec.
ESP32. 240. 600. 2,5
false
false
false
19,255
2026-02-24T15:25:08.463000Z
2026-02-24T15:25:08.463000Z
Lec.
STM32G071xx. 6,4. 59. 9,22
false
true
false
19,254
2026-02-24T15:25:05.736000Z
2026-02-24T15:25:05.737000Z
Lec.
STM32F407xx. 40. 210. 5,25
false
false
false
19,253
2026-02-24T15:25:03.321000Z
2026-02-24T15:25:03.321000Z
Lec.
Производительность, DMIPS/mA
false
false
false
19,252
2026-02-24T15:25:00.809000Z
2026-02-24T15:25:00.809000Z
Lec.
Ток энергопотребления, mA
false
false
false
19,251
2026-02-24T15:24:58.458000Z
2026-02-24T15:24:58.458000Z
Lec.
Оценка энергоэффективности распространенных микроконтроллеров
false
true
false
19,250
2026-02-24T15:24:55.886000Z
2026-02-24T15:24:55.886000Z
Lec.
Для оценки энергоэффективности в последней колонке представлено количество операций в секунуд, разделенное на ток энергопотребления
false
true
false
19,249
2026-02-24T15:24:52.766000Z
2026-02-24T15:24:52.766000Z
Lec.
Ниже приведен ток энергопотребления выбранных ранее процесоров (табл. 2), что позволяет косвенно оценить их энергоэффективность, а так же бенчмарк в виде количества операций в секунду
false
true
false
19,248
2026-02-24T15:24:49.901000Z
2026-02-24T15:24:49.901000Z
Lec.
Немаловажным фактором при работе с embedded-устройствами является их энергоэффективность
false
true
false
19,247
2026-02-24T15:24:47.096000Z
2026-02-24T15:24:47.096000Z
Lec.
В дальнейшем проект был реализован на плате Arduino Nano 33 BLE Sense, схожей по характеристикам с микроконтроллером серии STM32G0 за исключением наличия блока TPU
false
true
false
19,246
2026-02-24T15:24:44.425000Z
2026-02-24T15:24:44.425000Z
Lec.
В исследовании [22] стоял выбор между использованием Arduino Nano 33 BLE Sense и STM32L053R8
false
false
false
19,245
2026-02-24T15:24:41.676000Z
2026-02-24T15:24:41.676000Z
Lec.
В работе [21] с похожими задачами был использован микроконтроллер STM32H743II
false
true
false
19,244
2026-02-24T15:24:38.897000Z
2026-02-24T15:24:38.897000Z
Lec.
STM32F407xx и ESP32 обеспечивают высокую производительность для сложных моделей, STM32G071xx и ATSAMD21G18 подходят для простых моделей с низким энергопотреблением, а RP2040 представляет собой бюджетное решение с достаточной производительностью для большинства задач
false
true
false
19,243
2026-02-24T15:24:36.340000Z
2026-02-24T15:24:36.340000Z
Lec.
В целом, выбор микроконтроллера зависит от сложности TFLite модели, требований к энергопотреблению и стоимости
false
true
false
19,242
2026-02-24T15:24:33.954000Z
2026-02-24T15:24:33.954000Z
Lec.
ATSAMD21G18. 48. 32
false
false
false
19,241
2026-02-24T15:24:31.277000Z
2026-02-24T15:24:31.277000Z
Lec.
RP2040. 133. 264
false
true
false
19,240
2026-02-24T15:24:28.542000Z
2026-02-24T15:24:28.542000Z
Lec.
ESP32. 240. 520
false
true
false
19,239
2026-02-24T15:24:25.495000Z
2026-02-24T15:24:25.495000Z
Lec.
STM32G071xx. 64. 36
false
false
false
19,238
2026-02-24T15:24:22.699000Z
2026-02-24T15:24:22.699000Z
Lec.
STM32F407xx. 168. 192
false
true
false
19,237
2026-02-24T15:24:20.357000Z
2026-02-24T15:24:20.357000Z
Lec.
Тактовая частота (МГц)
false
false
false
19,236
2026-02-24T15:24:17.865000Z
2026-02-24T15:24:17.865000Z
Lec.
Сравнение характеристик распространенных микроконтроллеров
false
true
false
19,235
2026-02-24T15:24:15.084000Z
2026-02-24T15:24:15.084000Z
Lec.
Ниже приведена сводная таблица (табл. 1)
false
true
false
19,234
2026-02-24T15:24:12.652000Z
2026-02-24T15:24:12.652000Z
Lec.
Подходит для простых TFLite моделей, где важна экономичность
false
true
false
19,233
2026-02-24T15:24:10.071000Z
2026-02-24T15:24:10.071000Z
Lec.
Обладает хорошим соотношением цена/производительность и низким энергопотреблением
false
true
false
19,232
2026-02-24T15:24:07.631000Z
2026-02-24T15:24:07.631000Z
Lec.
ATSAMD21G18 (Microchip): Микроконтроллер на базе ARM Cortex-M0+ с тактовой частотой 48 МГц, 256 КБ Flash-памяти и 32 КБ ОЗУ
false
true
false
19,231
2026-02-24T15:24:05.159000Z
2026-02-24T15:24:05.159000Z
Lec.
Производительность сравнима с STM32F4 для простых моделей, но уступает в сложных вычислениях. 5
false
true
false
19,230
2026-02-24T15:24:02.723000Z
2026-02-24T15:24:02.723000Z
Lec.
Поддержка TFLite обеспечивается через SDK
false
true
false
19,229
2026-02-24T15:24:00.145000Z
2026-02-24T15:24:00.145000Z
Lec.
Отличается низкой стоимостью и простотой использования
false
true
false
19,228
2026-02-24T15:23:57.393000Z
2026-02-24T15:23:57.393000Z
Lec.
RP2040 (Raspberry Pi): Микроконтроллер с двумя ядрами ARM Cortex-M0+ с тактовой частотой 133 МГц, 264 КБ ОЗУ
false
true
false
19,227
2026-02-24T15:23:54.694000Z
2026-02-24T15:23:54.694000Z
Lec.
Потребляет больше энергии, чем STM32G0, но обладает большей вычислительной мощностью. 4
false
true
false
19,226
2026-02-24T15:23:52.222000Z
2026-02-24T15:23:52.222000Z
Lec.
Поддержка TFLite обеспечивается через библиотеку ESP-IDF
false
true
false
19,225
2026-02-24T15:23:49.768000Z
2026-02-24T15:23:49.768000Z
Lec.
Интегрированный модуль Wi-Fi и Bluetooth делает его удобным для IoT-приложений
false
true
false
19,224
2026-02-24T15:23:46.985000Z
2026-02-24T15:23:46.985000Z
Lec.
ESP32 (Espressif): Микроконтроллер с двумя ядрами Tensilica LX6, работающими на частоте до 240 МГц, с 520 КБ ОЗУ
false
true
false
19,223
2026-02-24T15:23:44.295000Z
2026-02-24T15:23:44.295000Z
Lec.
Преимуществом является низкое энергопотребление, что критично для портативных устройств. 3
false
true
false
19,222
2026-02-24T15:23:41.491000Z
2026-02-24T15:23:41.491000Z
Lec.
Меньшая производительность и объем памяти ограничивают его использование для простых TFLite моделей
false
true
false
19,221
2026-02-24T15:23:38.590000Z
2026-02-24T15:23:38.590000Z
Lec.
STM32G071xx (STMicroelectronics): Энергоэффективный микроконтроллер на базе ARM Cortex-M0+ с тактовой частотой 64 МГц, 128 КБ Flash-памяти и 36 КБ ОЗУ
false
true
false
19,220
2026-02-24T15:23:35.563000Z
2026-02-24T15:23:35.563000Z
Lec.
Относительно высокое энергопотребление компенсируется высокой производительностью, что делает его подходящим для сложных моделей. 2
false
true
false
19,219
2026-02-24T15:23:33.101000Z
2026-02-24T15:23:33.101000Z
Lec.
Наличие аппаратного блока FPU (Floating Point Unit) значительно ускоряет вычисления с плавающей точкой, необходимые для TFLite
false
true
false
19,218
2026-02-24T15:23:30.291000Z
2026-02-24T15:23:30.291000Z
Lec.
STM32F407xx (STMicroelectronics): Высокопроизводительный микроконтроллер на базе ядра ARM Cortex-M4 с тактовой частотой до 168 МГц, оснащенный 1 МБ Flash-памяти и 192 КБ ОЗУ
false
true
false
19,217
2026-02-24T15:23:27.334000Z
2026-02-24T15:23:27.334000Z
Lec.
Сравнение выполнено по ключевым характеристикам, влияющим на производительность TFLite моделей. 1
false
true
false
19,216
2026-02-24T15:23:24.868000Z
2026-02-24T15:23:24.868000Z
Lec.
Все микроконтроллеры основаны на архитектуре ARM
false
true
false
19,215
2026-02-24T15:23:22.504000Z
2026-02-24T15:23:22.504000Z
Lec.
Ниже представлен список из пяти распространенных 32-битных микроконтроллеров, подходящих для этой задачи
false
true
false
19,214
2026-02-24T15:23:20.071000Z
2026-02-24T15:23:20.071000Z
Lec.
Для запуска моделей TensorFlow Lite (TFLite) на микроконтроллерах требуется достаточная вычислительная мощность и объем памяти
false
true
false
19,213
2026-02-24T15:23:17.234000Z
2026-02-24T15:23:17.234000Z
Lec.
Предлагаемый метод является эффективным, но имеет проблемы с вычислением площадей парковочного места и автомобиля. 2.3 Сравнение микроконтроллеров
false
true
false
19,212
2026-02-24T15:23:14.817000Z
2026-02-24T15:23:14.817000Z
Lec.
В статье исследуется система поиска автомобилей и свободных парковочных мест на основе нейросети Faster R-CNN [19]
false
true
false
19,211
2026-02-24T15:23:12.005000Z
2026-02-24T15:23:12.005000Z
Lec.
Кроме того, в работе [18] анализируется разработка IoT-устройства, оснащённого ультразвуковым датчиком, которое способно определять наличие автомобилей на парковке и передавать информацию в централизованную систему управления
false
true
false
19,210
2026-02-24T15:23:08.984000Z
2026-02-24T15:23:08.984000Z
Lec.
В исследовании [17] представлен инновационный метод анализа занятости парковочных зон с использованием аэрофотосъёмки, выполненной с высоты 120 метров, что позволяет получать высокоточные данные о загрузке парковок, точках интереса горожан, другого анализа данных без необходимости установки дорогостоящей инфраструктуры
false
true
false
19,209
2026-02-24T15:23:06.098000Z
2026-02-24T15:23:06.098000Z
Lec.
Так, в работе [16] рассматривается концепция минимально жизнеспособного продукта (MVP), способного в режиме реального времени анализировать количество свободных парковочных мест и предоставлять водителям оптимальные маршруты для их поиска
false
true
false
19,208
2026-02-24T15:23:03.259000Z
2026-02-24T15:23:03.259000Z
Lec.
Эти технологии активно обсуждаются в научной среде
false
true
false