CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

شناسایی و تفکیک کاربران آسیب پذیر جاده در شرایط بد محیطی

عنوان مقاله: شناسایی و تفکیک کاربران آسیب پذیر جاده در شرایط بد محیطی
شناسه ملی مقاله: CELCONF01_016
منتشر شده در اولین همایش بین المللی مهندسی کامپیوتر، برق و تکنولوژی در سال 1402
مشخصات نویسندگان مقاله:

مجتبی ابوالقاسمی - مجتمع دانشگاهی برق و کامپیوتر ،استادیار دانشگاه صنعتی مالک اشتر ، تهران ، ایران
محمدامین کریمی والا - مجتمع دانشگاهی برق و کامپیوتر ، دانشجوی کارشناسی ارشد دانشگاه صنعتی مالک اشتر ، تهران ، ایران

خلاصه مقاله:
تشخیص کاربران آسیب پذیر جاده VRU یک کاربرد عمده از تشخیص اشیا با هدف کمک به کاهش تصادفات در سیستم های پیشرفته کمک راننده و امکان توسعه وسایل نقلیه خودران است. به دلیل پیچیدگی ذاتی موجود در بینایی کامپیوتر و محدودیتدر ظرفیت پردازش و پهنای باند، این کار امروزه به طور کامل حل نشده است. به این دلایل، شبکه ۳ YOLUv به خوبی تثبیت شده و ۴ DBB جدید با آموزش آنها بر روی یک مجموعه داده تصویری عظیم و در جاده vOLOY ۱۰۰ و هم URV هم برای ،Kبرای کلاس های کامل در جاده، ارزیابی می شوند، با بهبودی بزرگ از نظر کیفیت تشخیص. علاوه بر این، برخی از مدل ها هنگامبا دو عملکرد فعال سازی پیشرفته، vOLO از پیاده سازی اصلی LaeR yRaLV جایگزینی توابع اصلی فعال سازی کانولوشنالبا پیشرفت های قابل توجه با با ،ISSIM و همتای خود SWISH دوباره آموزش دیدند: عملکرد غیر یکنواخت خود تنظیم شدهتوجه به عملکرد تشخیص تابع فعال سازی اصلی. علاوه بر این، برخی آزمایش ها از جمله تکنیک های افزایش داده های اخیر وبرخی پیکربندی های اندازه شبکه، با پیشرفت های انباشته نسبت به نتایج قبلی انجام شد که شامل مبادله های مختلف عملکردبازده است.

کلمات کلیدی:
تشخیص در جاده؛ هوش مصنوعی؛ فراگیری ماشین؛ شبکه های عصبی کانولوشنال؛ سخت افزار محدود به منابع؛آشکارسازهای یک مرحله ای؛ سیستم های پیشرفته کمک راننده؛ کاربران آسیب پذیر جاده

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1758263/