یادگیری عمیق و تشخیص بلادرنگ موانع در وسایل نقلیه خودران
- سال انتشار: 1402
- محل انتشار: نخستین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات
- کد COI اختصاصی: ICCPM01_020
- زبان مقاله: فارسی
- تعداد مشاهده: 227
نویسندگان
گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران.
گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران.
چکیده
توسعه وسایل نقلیه خودران پایه مهمی برای توسعه سیستم های حمل و نقل هوشمند با زیرساخت شبکه های مخابراتی پیشرفته مانند شبکه های ۶G است.در این مقاله مسئله اصلی و راهکار تشخیص علائم راهنمایی، چراغ های راهنمایی، وسایل نقلیه پیش رو و ... از طریق الگوریتم های یادگیری عمیق بررسیشده است. برای حل مسائلی مانند دقت پایین تشخیص روش های پردازش تصویر سنتی و عملکرد ضعیفدر زمان واقعی، روش های مبتنی بر روش های یادگیری عمیق برای مدیریت هوشمند ترافیک پیشنهاد شده است. از آنجا که الگوریتم YOLO دارای سرعت بالاتری نسبت به دیگر شبکه های عصبی است لذا برای شناسایی بسیاری از موانع مناسب تر است. به جهت اینکه امروزه ورژن های بالاتری از YOLO منتشر شده است در این مقاله برای پیاده سازی،YOLOV۵ و YOLOV۷ با دو مجموعه داده ی KITTI و IRANIAN CAR آموزش داده شده و نتایج شبیه سازی نشان می دهد که دقت الگوریتم پیشنهادی برای تشخیص موانع در YOLOV۵ که با دیتاست KITTI آموزش داده شده ۰.۹۹۵ می باشد. بنابراین الگوریتم پیشنهادی می تواند برای بینایی وسایل نقلیه خودران با سرعت پردازش بالای شبکه پیشرفته به کار گرفته شود.کلیدواژه ها
یادگیری عمیق، شبکه های عصبی، یادگیری ماشین، تشخیص اشیاء، شبکه YOLO .مقالات مرتبط جدید
- Community Detection and Hate Speech Analysis on Twitter Using a Hybrid LSTM-GRU Model
- بهبود الگوریتم خوشه بندی کا-مینز از طریق چینش جدیدی از عملگرهای ژنتیکی
- روش های شناسایی و مدیریت در سامانه های رادیو شناسه: مروری بر رویکردهای پیشرفته، الگوریتم های بهینه و چالش های موجود
- تشخیص سرطان سینه با استفاده از شبکه عصبی نگاشت های خودسازمان ده بهبودیافته با الگوریتم بهینه سازی پروانه
- امنیت داده های تجاری و اقتصادی و حفظ حریم خصوصی بازاریابی مبتنی بر هوش مصنوعی با تکنیک پریزما
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.