초록 이 연구는 다중 차선 원형 교차로에서 차량 탐지를 위해 YOLOv8과 YOLOv10을 비교합니다. 이 복잡한 환경은 빈번한 가림현상과 비선형 이동 패턴으로 특징지어집니다. 다양한 기하학적 구성 및 혼잡 수준을 포착하기 위해 여러 원형 교차로에서 대규모 UAV 기반 데이터셋이 수집되었습니다. 데이터셋은 전처리, 주석을 달고, 동일한 조건에서 두 알고리즘을 훈련하고 평가하는 데 사용되었습니다. 결과는 YOLOv10 모델이 모든 차량 범주에서 더 높은 재현율을 달성하여 가림현상이 있는 차량을 포함한 완전한 차량 탐지에 더 효과적임을 보여줍니다. 반면 YOLOv8 모델은 약간 더 높은 정밀도를 유지하여 잘못된 긍정 사례를 줄이며, 분류 정확성을 우선시하는 응용에 유리합니다. 더 큰 YOLOv10 모델은 낮은 추론 지연 시간을 보여 실시간 배치의 가능성을 향상합니다. 그러나 YOLOv8은 더 빠른 훈련 시간을 제공하며 작은 구성에서 더 메모리 효율적입니다. 따라서 YOLOv8은 높은 정밀도를 요구하는 자원 제한 환경에 적합하고, YOLOv10은 재현율 중심 작업에서 뛰어납니다. 이러한 발견은 차량 탐지 기술 발전에 기여하며,보다 효과적이고 확장 가능한 지능형 교통 시스템 개발을 지원합니다.
Hamad et al. (수요일)은 이 문제를 연구했습니다.