深層学習を用いた車両と歩行者のリアルタイム検出と分析

コンピュータビジョン、特に車両と歩行者の識別は、自動運転、人工知能、ビデオ監視の進化において重要です。現在の交通監視システムは、小さな物体や歩行者をリアルタイムで効果的に認識することに大きな困難を抱えており、公共の安全に深刻なリスクをもたらし、交通の非効率性にも寄与しています。これらの困難を認識し、私たちのプロジェクトは、さまざまな環境状況での車両と人々の正確なリアルタイム認識のために複雑な視覚入力を処理できる高度な深層学習フレームワークの作成と検証に焦点を当てています。複雑な都市環境を表すデータセットにおいて、私たちはYOLOv8とRT-DETRモデルの異なるバージョンを訓練し評価しました。特に歩行者認識において、YOLOv8 Largeバージョンが最も効果的であり、優れた精度と堅牢性を示しました。平均平均精度や再現率を含む結果は、モデルが交通監視と安全性を劇的に改善できる能力を示しています。この研究は、コンピュータビジョンにおけるリアルタイムで信頼性のある検出に重要な貢献をし、交通管理システムの新しいベンチマークを確立しています。