In the conditions of digital transformation of the economy, the structure of human capital and the instruments of human capital development are changing. The development of human capital management system in the conditions of digital economy development is possible only with the high quality of human capital and the high level of knowledge. A system model is developed, which is represented by the subsystems “The Structure of Human Capital”, “Instruments of Human Capital Development”, “Organizational and Economic Instruments of Human Capital Management”, taking into account the peculiarities of human capital management in the digital economy. To determine the ways to improve the quality of human capital structure and to assess the effectiveness of human capital development tools, an approach to assessing the efficiency level of human capital development, including indicators of qualitative and quantitative assessment, is presented. This will make it possible to take more fully into account all aspects of the management of intellectual resources in the digital economy. In order to be able to classify enterprises by the efficiency level of human capital development with innovative characteristics on the basis of open financial information, machine learning model was created and classification rules were defined.
Аннотация. Представленная статья содержит исследование по разработке интеллектуальной системы обнаружения и учета мусора на территории муниципалитета. Цель представленной статьи состоит в программной реализации и развертывании нейронной сети для классификации наличия мусора на территории города Брянска, а также программной реализации и развертывании нейронной сети для детектирования мусора в разрезе географических координат. Для проведения исследования подготовлен набор данных для обучения нейронной сети классификации наличия мусора, состоящий из набора изображений, полученных с помощью квадрокоптера DJI Mini 2, а также скаченных с бесплатных фотостоков. С использованием метода Data Augmentation набор данных расширен до 1872 изображений. Применив метод Transfer Learning к сверточной нейронной сети ResNet18, обучили нейронную сеть для классификации наличия мусора на территории города Брянска. Задача детектирования мусора в разрезе географических координат реализована с помощью метода Transfer Learning к нейронной сети YOLOV5. В статье представлена реализованная клиентская часть web-приложения «Детектирование мусора на территории муниципалитета» с помощью фреймворка Flask на языке программирования Python. Практическая значимость исследования состоит в том, что интеллектуальная система обнаружения и учета мусора на территории муниципалитета позволит упорядочить работу с твердыми коммунальными отходами, а также контролировать своевременность вывоза мусора, повысить качество уборки территории, контролировать несанкционированные свалки в самом начале их образования, снизить экологическую нагрузку и улучшить экологическую культуру граждан. Реализация интеллектуальной системы обнаружения и учета мусора на территории муниципалитетов в Брянской области одно из направлений проекта Smart City.Ключевые слова: Transfer Learning, Smart City, интеллектуальная система обнаружения и учета мусора, изображения с квадрокоптера DJI Mini 2.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.