عنوان
مطالعه روش‌هاي پيشرفته تشخيص فوري انسان و وسايل نقليه با استفاده از YOLO براي پشتيباني از زيرساخت نظارت امنيتي در شهرهاي هوشمند
نويسنده اصلي
حسين، فاروق
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
رشته تحصيلي
مهندسي كامپيوتر
مقطع تحصيلي
كارشناسي ارشد
چكيده
گسترش شهرهاي هوشمند و افزايش شمار دوربين‌هاي نظارتي، نياز به سامانه‌هايي را برجسته كرده است كه انسان و وسايل نقليه را به‌صورت فوري، دقيق و با هزينه‌ي محاسباتي اندك شناسايي كنند. پژوهش حاضر با هدف مطالعه‌ي روش‌هاي پيشرفته‌ي تشخيص بي‌درنگ و سنجش جايگاه شبكه‌ي YOLOv11 در پشتيباني از زيرساخت نظارت امنيتي شهرهاي هوشمند انجام شده است. اين پژوهش از نظر هدف كاربردي و از نظر گردآوري داده توصيفي-تجربي با رويكرد بنچمارك‌سازي است.
چهار نسل شاخص از خانواده‌ي آشكارسازهاي تك‌مرحله‌اي YOLO يعني YOLOv3، YOLOv8، YOLOv11 و YOLOv26، به‌جاي استناد به گزارش‌هاي ناهم‌سان مقالات، در يك محيط آزمايشي واحد و با پروتكل كاملاً يكسان پياده‌سازي شدند تا هر تفاوت مشاهده شده تنها وام‌دار معماري هر مدل باشد. بستر داده، مجموعه‌داده‌ي BDD100K با 70.000 تصوير آموزش، 10.000 تصوير اعتبارسنجي و 20.000 تصوير آزمون در ده كلاس شهري بود كه تنوع جغرافيايي، آب‌وهوايي و روشنايي آن شرايط واقعي نظارت شهري را بازنمايي مي‌كند. همه‌ي مدل‌ها با بهينه‌ساز AdamW، نرخ يادگيري اوليه‌ي 001/0 با زمان‌بندي كسينوسي، 30 دوره و ورودي 640×640 آموزش ديدند و با معيارهاي Precision، Recall و mAP ارزيابي شدند.
يافته‌ها روي داده‌ي آزمون نشان داد YOLOv8 با mAP50 برابر 0/366 و YOLOv11 با 0/343 در صدر قرار دارند و فاصله‌ي آن‌ها تنها 0/023 واحد يعني حدود 6/7 درصد نسبي است، حال آنكه YOLOv26 با 0/289 و YOLOv3 با 0/221 در رتبه‌هاي بعدي جاي گرفتند. بنابراين نه جديدتر بودن نسل و نه بزرگ‌تر بودن شبكه به‌تنهايي تضمين‌كننده‌ي دقت بالاتر نيست. نكته‌ي كليدي براي كاربرد شهري آن است كه YOLOv11 اين عملكرد را تنها با 2.584.102 پارامتر، 6/3 گيگافلاپ و حجم 5/4 مگابايت و با 77/8 درصد بار محاسباتي YOLOv8 به دست آورد و بهترين نسبت دقت به هزينه را براي سخت‌افزار لبه ارائه مي‌دهد.
در سطح كلاس، اين مدل براي خودرو mAP50 معادل 0/644 و براي عابر پياده 0/388 ثبت كرد، اما كلاس‌هاي كم‌نمونه مانند دوچرخه‌سوار با 0/260 و موتورسيكلت با 0/219 ضعيف ماندند و در همه‌ي مدل‌ها Precision به‌مراتب بزرگ‌تر از Recall بود كه نشان مي‌دهد گلوگاه اصلي، از دست دادن اشياي واقعي صحنه است. نتيجه آنكه YOLOv11 گزينه‌اي مقرون‌به‌صرفه براي هسته‌ي پردازشي سامانه‌هاي نظارت شهر هوشمند است، مشروط بر آنكه فراخواني پايين آن در اشياء كوچك با متوازن‌سازي كلاس‌ها، تابع زيان وزن‌دار و تنظيم آستانه‌ي اطمينان جبران گردد.
شماره ركورد
238155
گرايش رشته تحصيلي
هوش مصنوعي و رباتيك
دانشكده
مهندسي برق و كامپيوتر
دانشگاه
دانشگاه صنعتي اصفهان