مقایسه دقت و سرعت دو شبکه Faster RCNN و YOLO v۵ جهت شمارش ماشینها
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 314
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICNRTEE01_041
تاریخ نمایه سازی: 11 اردیبهشت 1402
چکیده مقاله:
تراکم ترافیک یک مشکل جدی است که به طور قابل توجهی بر کیفیت زندگی شهری تاثیر میگذارد در واقع درک و شناخت دقیق و عمیق تحرکات شهری در دنیای واقعی کاربردهای زیادی از جمله در مدیریت ترافیک شهری و رانندگیهای مستقل را به همراه دارد. در این مقاله سعی بر آن است تا با بهره گیری از دو شبکه یادگیری عمیق Faster RCNN و YOLO v۵ که قبلا بر روی دیتابیس COCO آموزش داده شده عملکرد آنها جهت شمارش ماشین بر روی دیتابیس Trancos سنجیده شود با توجه به نتایج حاصل شده از این دو شبکه، مشخص گردید شبکه Faster CNN از دقت بالاتر با میانگین خطای مطلق ۱۱,۴۴۳ و سرعت کمتری نسبت به YOLO v۵ برخورداراست.
کلیدواژه ها:
نویسندگان
سیدمحمدرسول نورمحمدی
دانشگاه علم و فرهنگ،
راضیه سادات اخوت
دانشگاه علم و فرهنگ،