使用深度学习的车辆与行人实时检测与分析
计算机视觉与模式识别
2024-04-15 v1
摘要
计算机视觉，尤其是车辆和行人识别，对于自动驾驶、人工智能和视频监控的发展至关重要。当前的交通监控系统在实时有效识别小物体和行人方面面临重大困难，这对公共安全构成严重风险并导致交通效率低下。认识到这些困难，我们的项目专注于创建和验证一种先进的深度学习框架，该框架能够处理复杂的视觉输入，从而在各种环境条件下精确、实时地识别汽车和行人。在代表复杂城市环境的数据集上，我们训练并评估了不同版本的 YOLOv8 和 RT-DETR 模型。YOLOv8 Large 版本被证明是最有效的，尤其是在行人识别方面，具有很高的精度和鲁棒性。结果包括平均精度均值和召回率，证明了该模型能够显著改善交通监控和安全性。本研究对计算机视觉中实时、可靠的检测做出了重要贡献，为交通管理系统树立了新基准。
引用
@article{arxiv.2404.08081,
title = {Real-Time Detection and Analysis of Vehicles and Pedestrians using Deep Learning},
author = {Md Nahid Sadik and Tahmim Hossain and Faisal Sayeed},
journal= {arXiv preprint arXiv:2404.08081},
year = {2024}
}
备注
5 pages, 2 figures