用Tiny-YOLO v4方法拍摄卡车车辆

Primasdika Yunia Putra, A. Arifianto, Zilvanhisna Emka Fitri, Trismayanti Dwi Puspitasari
{"title":"用Tiny-YOLO v4方法拍摄卡车车辆","authors":"Primasdika Yunia Putra, A. Arifianto, Zilvanhisna Emka Fitri, Trismayanti Dwi Puspitasari","doi":"10.33795/jip.v9i2.1243","DOIUrl":null,"url":null,"abstract":"Deteksi kendaraan secara real-time dalam video pengamatan di jalan raya menjadi salah satu topik yang menarik diangkat dalam riset. Mendeteksi truk memiliki tantangan tersendiri karena memiliki kesamaan dimensi dengan bus dan struktur mekanis yang menyerupai pikap. Pendekatan computer vision untuk mendeteksi objek dengan YOLO (You Only Look Once) sangat populer. Dalam penerapannya pada perangkat low-end hingga high-end, varian Tiny-Yolo lebih cocok dikarenakan memiliki struktur yang lebih sederhana. Tiny-Yolo v4 diimplementasikan pada 3 perangkat dengan spesifikasi berbeda, menghasilkan akurasi pengujian 98,2% (13FPS) pada perangkat A, 98% (28FPS) pada perangakt B dan 97,5% (38FPS) pada perangkat C. Pengaruh spesifikasi perangkat keras terhadap perolehan FPS yang didapat dan akurasi pendeteksian ditandai dengan perbedaan hasil yang signifikan pada saat pengujian. Semakin tinggi FPS maka semakin menurun akurasi pendeteksian","PeriodicalId":232501,"journal":{"name":"Jurnal Informatika Polinema","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-02-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Deteksi Kendaraan Truk pada Video Menggunakan Metode Tiny-YOLO v4\",\"authors\":\"Primasdika Yunia Putra, A. Arifianto, Zilvanhisna Emka Fitri, Trismayanti Dwi Puspitasari\",\"doi\":\"10.33795/jip.v9i2.1243\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Deteksi kendaraan secara real-time dalam video pengamatan di jalan raya menjadi salah satu topik yang menarik diangkat dalam riset. Mendeteksi truk memiliki tantangan tersendiri karena memiliki kesamaan dimensi dengan bus dan struktur mekanis yang menyerupai pikap. Pendekatan computer vision untuk mendeteksi objek dengan YOLO (You Only Look Once) sangat populer. Dalam penerapannya pada perangkat low-end hingga high-end, varian Tiny-Yolo lebih cocok dikarenakan memiliki struktur yang lebih sederhana. Tiny-Yolo v4 diimplementasikan pada 3 perangkat dengan spesifikasi berbeda, menghasilkan akurasi pengujian 98,2% (13FPS) pada perangkat A, 98% (28FPS) pada perangakt B dan 97,5% (38FPS) pada perangkat C. Pengaruh spesifikasi perangkat keras terhadap perolehan FPS yang didapat dan akurasi pendeteksian ditandai dengan perbedaan hasil yang signifikan pada saat pengujian. Semakin tinggi FPS maka semakin menurun akurasi pendeteksian\",\"PeriodicalId\":232501,\"journal\":{\"name\":\"Jurnal Informatika Polinema\",\"volume\":\"1 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-02-27\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Jurnal Informatika Polinema\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.33795/jip.v9i2.1243\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Informatika Polinema","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.33795/jip.v9i2.1243","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

车辆在公路监控视频中的实时检测成为研究中有趣的话题之一。发现卡车有其独特的挑战,因为它与公共汽车的尺寸相似,与类似皮卡的机械结构相似。用YOLO(你只看一眼)探测物体的计算机方法非常受欢迎。在低端到高端设备的应用中,Tiny-Yolo变体更适用,因为它有一个更简单的结构。Tiny-Yolo v4于三个不同规格的设备,设备上产生98,2%测试准确度(13FPS) A, 98% (28FPS)在perangakt B、97,5% (38FPS) C .影响的设备硬件规格对FPS的习得和准确性检测标记测试时的结果差异显著。FPS越高,检测准确率就越低
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Deteksi Kendaraan Truk pada Video Menggunakan Metode Tiny-YOLO v4
Deteksi kendaraan secara real-time dalam video pengamatan di jalan raya menjadi salah satu topik yang menarik diangkat dalam riset. Mendeteksi truk memiliki tantangan tersendiri karena memiliki kesamaan dimensi dengan bus dan struktur mekanis yang menyerupai pikap. Pendekatan computer vision untuk mendeteksi objek dengan YOLO (You Only Look Once) sangat populer. Dalam penerapannya pada perangkat low-end hingga high-end, varian Tiny-Yolo lebih cocok dikarenakan memiliki struktur yang lebih sederhana. Tiny-Yolo v4 diimplementasikan pada 3 perangkat dengan spesifikasi berbeda, menghasilkan akurasi pengujian 98,2% (13FPS) pada perangkat A, 98% (28FPS) pada perangakt B dan 97,5% (38FPS) pada perangkat C. Pengaruh spesifikasi perangkat keras terhadap perolehan FPS yang didapat dan akurasi pendeteksian ditandai dengan perbedaan hasil yang signifikan pada saat pengujian. Semakin tinggi FPS maka semakin menurun akurasi pendeteksian
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信