基于深度学习检测智能城市中的未授权车辆：孟加拉国案例研究

不同国家的交通方式因地理位置和文化背景而异。在南亚国家，三轮车是当地最常见的交通方式之一。根据其运行方式，孟加拉国城市间的三轮车可大致分为非发动机版（ pedal-powered）和发动机版三轮车。由于发动机版三轮车常被禁止进入特定路线，对其行动进行监控尤为必要。然而，现有监控系统因其与其他车辆（尤其是非发动机版三轮车）的相似性使其难以监控，而人工视频分析又耗时。本文提出一种基于机器学习的方法，用于自动检测交通图像中的发动机版三轮车。该系统采用 YOLOv8 进行实时目标检测。为训练目的，我们准备了一组 1,730 张标注图像，来自各种交通条件下拍摄的图像。结果表明，所提方法在实时发动机版三轮车检测方面表现良好，实现 mAP50 为 83.447%，二元精确率和召回率均超过 78%，显示其在处理稠密和稀疏交通场景方面的有效性。该数据集已公开发布供后续研究使用。