Đang chuẩn bị liên kết để tải về tài liệu:
Xây dựng hệ thống phát hiện phương tiện giao thông sử dụng mô hình học sâu YOLO3

Bài viết tập trung vào việc ứng dụng mô hình học sâu YOLO3 (You Only Look Once version 3) để giải quyết bài toán. Một hệ thống demo cũng được xây dựng bằng cách sử dụng nền tảng Darknet-53 và thử nghiệm với các dữ liệu do nhóm tác giả tự thu thập. Kết quả cho thấy hệ thống xây dựng có độ chính xác cao và khả thi khi cần áp dụng cho các ứng dụng thực tế. | TẠP CHÍ ISSN 1859-316X KHOA HỌC CÔNG NGHỆ HÀNG HẢI KHOA HỌC - CÔNG NGHỆ JOURNAL OF MARINE SCIENCE AND TECHNOLOGY XÂY DỰNG HỆ THỐNG PHÁT HIỆN PHƯƠNG TIỆN GIAO THÔNG SỬ DỤNG MÔ HÌNH HỌC SÂU YOLO3 BUILDING A VEHICLE DETECTION SYSTEM BY USING DEEP LEARNING MODEL YOLO3 NGUYỄN HỮU TUÂN NGUYỄN VĂN THUỶ Khoa Công nghệ Thông tin Trường Đại học Hàng hải Việt Nam Email liên hệ huu-tuan.nguyen@vimaru.edu.vn Tóm tắt 1. Mở đầu Bài toán phát hiện phương tiện giao thông là một Phát hiện phương tiện giao thông là một bài toán bài toán thuộc lĩnh vực thị giác máy tính có nhiều thuộc nhóm các bài toán phát hiện đối tượng một lĩnh ứng dụng hữu ích trong các hệ thống xe tự hành vực con của ngành thị giác máy tính và có nhiều ứng quản lý phương tiện giao thông và xác định lưu dụng trên thực tế. Bài toán này nhận được sự quan tâm lượng giao thông tại các điểm đường giao thông của các nhà khoa học và các hãng sản xuất công quan trọng. Có nhiều cách tiếp cận cho bài toán nghiệp lớn nhằm phát triển các hệ thống lái tự động cũng như kiểm soát giao thông xác định lưu lượng này từ phương pháp trừ nền cho tới các phương giao thông tại các điểm nút để điều chỉnh phân luồng pháp học sâu hiện đại. Trong bài báo này nhóm và quy hoạch hạ tầng giao thông . Có thể chia các tác giả tập trung vào việc ứng dụng mô hình học phương pháp giải quyết bài toán phát hiện phương tiện sâu YOLO3 You Only Look Once version 3 để giao thông thành 4 nhóm các phương pháp dựa vào giải quyết bài toán. Một hệ thống demo cũng được kỹ thuật trừ nền 1 các phương pháp dựa vào hiệu xây dựng bằng cách sử dụng nền tảng Darknet-53 giữa các frame liên tiếp trong dữ liệu video 2 các và thử nghiệm với các dữ liệu do nhóm tác giả tự phương pháp dựa vào luồng quang học optical flow thu thập. Kết quả cho thấy hệ thống xây dựng có 3 và các phương pháp dựa vào các mô hình mạng độ chính xác cao và khả thi khi cần áp dụng cho học sâu phát hiện đối tượng như YOLO 4 Retinanet các ứng dụng thực tế. 5 SSD 6 hay Fast R-CNN 7 . Các phương pháp