Algorithme YOLOv8 amélioré pour la détection d'images cibles de véhicules basé sur une stratégie d'optimisation du taux d'apprentissage

La détection d'images cibles de véhicules revêt une grande importance dans le domaine de la vision par ordinateur, qui est principalement appliquée dans les domaines de la sécurité routière, de la gestion intelligente du trafic et de la conduite autonome. Cette étude adopte une stratégie de décroissance du taux d'apprentissage pour l'algorithme YOLOv8, qui atteint l'objectif d'ajuster dynamiquement le taux d'apprentissage. À travers l'analyse de la matrice de confusion du modèle, de la confiance F1, de la confiance en précision, de la précision, du rappel et de la courbe de confiance en rappel, les résultats montrent que l'algorithme YOLOv8 ajusté par la stratégie d'atténuation du taux d'apprentissage est capable de détecter et d'identifier efficacement et avec précision la cible de voiture dans l'image, et tous les indices d'évaluation ont atteint un niveau optimal. La comparaison des résultats de détection de cibles avec les étiquettes dans l'ensemble de test vérifie que l'algorithme YOLOv8 optimisé du taux d'apprentissage atteint 100 % de précision prédictive, identifiant et étiquetant avec succès la cible de voiture dans l'image. En conclusion, l'algorithme YOLOv8 optimisé du taux d'apprentissage fonctionne bien dans la détection d'images cibles de véhicules et fournit une solution efficace pour une reconnaissance de voiture précise et efficace.