Proponiendo un algoritmo eficiente de aprendizaje profundo basado en el modelo Segment Anything para la detección y seguimiento de vehículos a través de cámaras de vigilancia de tráfico urbano no calibradas
Autores: Shokri, Danesh; Larouche, Christian; Homayouni, Saeid
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Proponiendo un algoritmo eficiente de aprendizaje profundo basado en el modelo Segment Anything para la detección y seguimiento de vehículos a través de cámaras de vigilancia de tráfico urbano no calibradas
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Enfoque
SAM
Detección de vehículos
Vigilancia del tráfico urbano
Aprendizaje profundo
Ciudad inteligente
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 44
Citaciones: Sin citaciones
En este estudio, presentamos un enfoque novedoso que aprovecha el modelo de segmentación de cualquier cosa (SAM) para la detección y seguimiento eficientes de vehículos en sistemas de vigilancia de tráfico urbano mediante el uso de cámaras de carretera de baja resolución no calibradas.
Descripción
En este estudio, presentamos un enfoque novedoso que aprovecha el modelo de segmentación de cualquier cosa (SAM) para la detección y seguimiento eficientes de vehículos en sistemas de vigilancia de tráfico urbano mediante el uso de cámaras de carretera de baja resolución no calibradas.