این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی حمل و نقل، جلد ۱۳، شماره ۳، صفحات ۱۷۱۰-۱۶۸۳
عنوان فارسی ارائه‌ی الگوریتم هشدار نسبت به موتورسیکلت های پشت سر با استفاده از تک دوربین و روش‌های یادگیری عمیق
چکیده فارسی مقاله در ایران موتورسیکلت ­ها یکی از آسیب‌پذیرترین کاربران جاده­ ها هستند که حجم زیادی از آمار تصادفات را شامل می­ شوند. در این مقاله راهکار مناسبی برای کمک به کاهش تصادفات اتومبیل ­ها با موتورسیکلت ­ها و به ویژه موتورسیکلت­ های مجهز به بادگیرهای مشکی رنگ ارائه شده است که با استفاده از تنها یک دوربین مستقر بر روی آینه بغل سمت کمک راننده، آگاهی راننده نسبت به نقاط کور محدوده­ ی بغل و پشت سر افزایش می­ یابد، تا در صورت نزدیک شدن بیش از حد موتورسوار، با اعلام هشدار به راننده از بروز تصادف جلوگیری شود. این عملیات هشدار با توجه به تلفیق اطلاعات بدست آمده از دو مرحله تشخیص موتورسیکلت و سپس برآورد فاصله با استفاده از روش­ های یادگیری عمیق صورت گرفته است. در مرحله تشخیص، مدل­ های مختلفی از الگوریتم­ های YOLO با یکدیگر مقایسه شده ­اند که در میان آن ها، مدل بهبود یافته ­ی YOLOV4 با میانگین دقت 80 درصد و سرعت 35 فریم بر ثانیه بهترین عملکرد در شناسایی موتورسیکلت­ های مورد نظر را داشته است. این مدل بر روی پایگاه داده شامل 2000 تصویر اخذ شده از موتورسیکلت ­های شهر تهران آموزش داده شده است. در مرحله ­ی دوم برای برآورد نقشه عمق تک تصویر از آموزش مدل Monodepth2 بر روی 6000 جفت تصویر اخذ شده از خیابان ­های شهر تهران با استفاده از دوربین MYNT-EYE استفاده شده است. با ادغام نتایج بدست آمده از مختصات موتورسیکلت در تصویر و نقشه عمق بدست آمده، الگوریتم پیشنهادی به بهترین عملکرد در تشخیص و براورد فاصله ­ی دوربین تا موتورسیکلت­ موردنظر با میانگین خطای 36 سانتی متر و سرعت 20 فریم بر ثانیه دست یافته است.
کلیدواژه‌های فارسی مقاله یادگیری عمیق، شناسایی موتورسیکلت، تولید نقشه عمق، YOLOV4، Monodepth2،
عنوان انگلیسی A monocular rear-view motorcycle warning algorithm based on deep learning
چکیده انگلیسی مقاله In Iran, motorcycles are one of the most vulnerable types of vehicles among other road users, with a significant volume of accident statistics in the country. Therefore, in this article, a suitable solution is proposed to reduce car accidents with these motorcycles equipped with black windshields. In this method, a single camera mounted on the side mirror of the driver's assistance is used. This intelligent automatic monitoring can help drivers to pay more attention to the surrounding. This warning algorithm was formed on a combination of motorcycle detection and depth estimation tasks based on deep learning methods. For detecting this category of motorcycles, different models of YOLO algorithms have been compared. According to the speed and accuracy, the fine-tuned YOLOV4 model with an average accuracy of 80% and at a real-time speed of 35 frames per second is used for the detection stage, which has the best performance in comparison to others. This model was fine-tuned based on 2000 images taken from the mentioned motorcycles in Tehran. In the second step, the Monodepth2 model is used to estimate the depth map of a single image. This model was fine-tuned on 6000 stereo images taken from the streets of Tehran by using the MYNT-EYE camera. The contribution of these two algorithms produces a state-of-the-art result for monocular depth estimation, which can estimate the distance of the detected motorcycle with the average error of 36 centimeters at a real-time speed of 20 frames per second.
کلیدواژه‌های انگلیسی مقاله یادگیری عمیق, شناسایی موتورسیکلت, تولید نقشه عمق, YOLOV4, Monodepth2
نویسندگان مقاله زهرا بادامچی شبستری |
کارشناس ارشد سنجش از دور، دانشکده مهندسی نقشه‌برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

علی حسینی نوه |
استادیار دانشکده مهندسی نقشه‌برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

نشانی اینترنتی https://jte.sinaweb.net/article_120393_9b16c14205d6d6677db6651eacb9e2d3.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات