10. NGHIÊN CỨU VÀ ỨNG DỤNG MÔ HÌNH YOLOV8 TRONG PHÁT HIỆN VÀ THỐNG KÊ SỐ LƯỢNG VỊ TRÍ CÒN TRỐNG TRONG BÃI ĐỖ Ô TÔ

Phạm Thị Thanh Thủy, Kiều Đức Hồng, Trịnh Sơn Trà, Nguyễn Thị Hương, Cao Hạnh Ly, Thái Trung Hiếu

Giới thiệu

Trong những năm gần đây, số lượng ô tô tại các đô thị lớn của Việt Nam tăng lên nhanh chóng. Do đó, thông tin về vị trí các bãi đỗ xe và số lượng chỗ đỗ còn trống là những thông tin rất cần thiết, giúp cho người lái xe nhanh chóng tìm được bãi đỗ xe thích hợp nhất. Hiện nay, có nhiều công nghệ và thuật toán đã được áp dụng để nhận diện và phân loại vật thể, trong số đó không thể không kể đến YOLOv8 bởi đây là công nghệ có khả năng phát hiện đối tượng trong thời gian thực nhờ vào tốc độ xử lý nhanh chóng, kết quả đạt độ chính xác cao, dễ dàng được tích hợp và triển khai trong các hệ thống thực tế. Với các ưu điểm vượt trội của YOLOv8, nghiên cứu đã hướng đến mục tiêu phát hiện các vật thể là ô tô trong bãi đỗ xe bằng công nghệ này. Sau đó đánh giá, phân tích dựa trên dữ liệu xe thu thập được để thống kê số lượng vi trí trong bãi đỗ xe ô tô. Từ kết quả nghiên cứu cho thấy nhận diện ô tô từ hình ảnh đạt độ chính xác 90 % trở lên, nhận diện ô tô qua video (thời gian thực) chỉ đạt 80 %.

Toàn văn bài báo

Được tạo từ tệp XML

Trích dẫn

[1]. Nguyễn Mạnh Cường, Vũ Văn Rực (2021). Nghiên cứu thuật toán phân loại phương tiện giao thông dựa trên thị giác máy tính.
[2]. Lương Công Duẩn, Nguyễn Ngọc Minh (2021). Ứng dụng học sâu (Deep Learning) cho bài toán nhận diện vật thể lạ trên đường băng. Tạp chí Khoa học Công nghệ và Truyền thông, 04, 50 - 55.
[3]. Trà Văn Đồng (2020). So sánh thuật toán SSD và YOLO.
[4]. Vũ Hà Anh (2021). Xây dựng ứng dụng phát hiện lửa dựa trên mô hình học sâu trên Jetson Nano. Khóa luận tốt nghiệp, Trường Đại học Công nghệ thông tin, Đại học Quốc gia Thành phố Hồ Chí Minh.
[5]. Ardeshir, S et al., (2014). GIS-assisted object detection and geospatial localization. Computer Vision - ECCV 2014: 13th European Conference, Zurich, Switzerland, September 6 - 12, 2014, Proceedings, Part VI 13, Springer.
[6]. Futatsumori, S., Morioka, K., Kohmura, A., kada, K.vàYonemoto, N., (2016). Detection characteristic evaluations of optically-connected wideband 96 GHz millimeter-wave radar for airport surface foreign object debris detection. In Proceedings of the 41st International Conference on Infrared, Millimeter, and Terahertz waves, Copenhagen, Denmark, 25–30 September 2016, 1-2.
[7]. Li, J., Deng, G., Luo, C., Lin, Q., Yan, Q., Ming, Z., (2016). A Hybrid Path Planning Method In Unmanned Air/Ground Vehicle (UAV/UGV) Cooperative Systems. IEEE Trans. Veh. Technol, 65, 9585 - 9596.
[8]. Li, Y.vàXiao, G., (2011). A new FOD recognition algorithm based on multi-source information fusion and experiment analysis. Proc. SPIE.
[9]. Cheng-Jian Lin, Jyun-Yu Jhang (2022). Intelligent traffic-monitoring system based on YOLO and convolutional fuzzy neural networks. IEEE Access 10, 14120 - 14133.
[10]. Loey, M et al., (2021). Fighting against COVID-19: A novel deep learning model based on YOLO-v2 with ResNet-50 for medical face mask detection. Sustainable Cities and Society 65: 102600.
[11]. Mund, J., Zouhar, A., Meyer, L., Fricke, H., Rother, C., (2015). Performance evaluation of LiDAR point clouds towards automated FOD detection on airport aprons. In Proceedings of the 5th International Conference on Application and Theory of Automation In Command and Control Systems, Toulouse, France, 30th September - 2nd October 2015, 85 - 94.
[12]. Nguyễn Mạnh Cường, Vũ Văn Rực (2021). Nghiên cứu thuật toán phân loại phương tiện giao thông dựa trên thị giác máy tính.
[13]. Ölzen, B., Baykut, S., Tulgar, O., Belgül, A. U., Yalçin, I. K., Sahinkaya, D. S. A., (2017). Foreign object detection on airport runways by mm-wave FMCW radar. In Proceedings of the 25th IEEE Signal Processing and Communications Applications Conference, Antalya, Turkey 15 - 18 May 2017, 1 - 4.
[14]. Redmon, J et al., (2016). You only look once: Unified, real-time object detection. Proceedings of the IEEE conference on computer vision and pattern recognition.
[15]. Zeitler, A., Lanteri, J., Pichot, C., Migliaccio, C., Feil, P., Menzel, W., (2010). Folded reflectarrays with shaped beam pattern for foreign object debris detection on runways. IEEE Trans. Antennas Propag, 58, 3065 - 3068.
[16]. Rosebrock, A., (2018). YOLO object detection with OpenCV [Online]. Available: https://www.pyimagesearch.com/2018/11/12/yolo-object-detection-with-opencv/.

Các tác giả

Phạm Thị Thanh Thủy
pttthuy.tdbd@hunre.edu.vn (Liên hệ chính)
Kiều Đức Hồng
Trịnh Sơn Trà
Nguyễn Thị Hương
Cao Hạnh Ly
Thái Trung Hiếu
Thủy, P. T. T., Hồng, K. Đức, Trà, T. S., Hương, N. T., Ly, C. H., & Hiếu, T. T. (2024). 10. NGHIÊN CỨU VÀ ỨNG DỤNG MÔ HÌNH YOLOV8 TRONG PHÁT HIỆN VÀ THỐNG KÊ SỐ LƯỢNG VỊ TRÍ CÒN TRỐNG TRONG BÃI ĐỖ Ô TÔ. Tạp Chí Khoa học Tài Nguyên Và Môi trường, (52), 104–115. https://doi.org/10.63064/khtnmt.2024.606
##submission.license.notAvailable##

Chi tiết bài viết

Các bài báo tương tự

1 2 3 4 5 > >> 

Bạn cũng có thể bắt đầu một tìm kiếm tương tự nâng cao cho bài báo này.

Các bài báo được đọc nhiều nhất của cùng tác giả

04. ỨNG DỤNG CÔNG NGHỆ AI TRONG DỰ ĐOÁN NGUY CƠ MẮC UNG THƯ PHỔI Ở NGƯỜI

Tuấn Vũ Đình, Quân Nguyễn Đức, Minh Nguyễn Công, Phương Vũ Thu, Trang Phạm Thị Quỳnh
Abstract View : 1085
Download :499

07. ỨNG DỤNG MÔ HÌNH HỌC MÁY VÀ XỬ LÝ NGÔN NGỮ TỰ NHIÊN TRONG VIỆC XÂY DỰNG CHATBOT HỖ TRỢ XÁC ĐỊNH VÀ CHỮA LÀNH TÂM LÝ HẬU THƯƠNG TỔN

Thành Đoàn Duy, Duy Nguyễn Ngọc, Tài Phạm Hoàng Đức, Thảo Đỗ Thị Thanh, Nhung Nguyễn Thị, Phượng...
Abstract View : 580
Download :207

10. NGHIÊN CỨU VÀ ỨNG DỤNG THUẬT TOÁN YOLOV7 ĐỂ PHÂN LOẠI CÀ CHUA

Mạnh Nguyễn Văn, An Lê Văn, Lương Trần Đức, Tú Nguyễn Tuấn, Huyền Nguyễn Thị Thanh, Thúy Ngô Thị...
Abstract View : 352
Download :134