机构名称：
¥ 1.0
摘要 - 计算机视觉，尤其是车辆和脚步 - 识别对于自主驾驶，人工智能和视频监视的演变至关重要。当前的交通监控系统在实时识别小物体和行人方面面临重大困难，对公共安全构成了严重的风险，并有助于交通效率。认识到这些困难，我们的项目着重于创建和验证高级深度学习框架，能够处理复杂的视觉输入，以确切，实时识别汽车和在各种环境情况下的人。在代表复杂城市环境的数据集上，我们培训和评估了Yolov8和RT-DETR模型的不同版本。Yolov8大版本被证明是最有效的，尤其是在行人识别方面，具有很高的精确性和健壮性。结果包括平均平均精度和召回率，证明了该模型可以显着改善交通监控和安全性的能力。本研究为计算机视觉中的实时可靠检测提供了重要的补充，为交通管理系统建立了新的基准。索引术语 - 车辆流量分析，对象检测，对象分类，深度学习，计算机视觉
使用深度学习的车辆和行人的实时检测和分析
主要关键词
相关文件推荐
