机构名称：
¥ 1.0
摘要。尤其是卷积神经网络（CNN）的应用大大增强了自动驾驶汽车的对象检测能力，因为人工智能（AI）的最新进展。但是，在高精度和快速处理之间达到车辆环境的平衡仍然是一个持续的挑战。拥有第二大全球人口的印度等发展中国家对道路情景引入了独特的复杂性。在印度道路上出现了许多挑战，例如独特的车辆和各种交通模式，例如自动 - 里克肖，仅在印度才能看到。本研究介绍了评估Yolov8模型的结果，与其他现有的Yolo模型相比，在印度交通状况中表现出了卓越的性能。检查使用了数据集，该数据集是根据班加罗尔和海得拉巴城市及其周边地区收集的数据编译的。调查的发现表明，Yolov8模型在解决印度道路状况的独特问题方面的工作状况如何。这项研究推动了为复杂的交通状况（例如在印度道路上发现的）设计的自动驾驶汽车的开发。
在复杂的交通情况下进行自动驾驶汽车的对象检测
主要关键词
相关文件推荐
