Investigación automática en tiempo real de animales en carreteras indias mediante detección de reconstrucción 3D utilizando aprendizaje profundo para clasificación e filtrado de imágenes R-3D-YOLOv3
Autores: Sengan, Sudhakar; Kotecha, Ketan; Vairavasundaram, Indragandhi; Velayutham, Priya; Varadarajan, Vijayakumar; Ravi, Logesh; Vairavasundaram, Subramaniyaswamy
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Investigación automática en tiempo real de animales en carreteras indias mediante detección de reconstrucción 3D utilizando aprendizaje profundo para clasificación e filtrado de imágenes R-3D-YOLOv3
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Animales callejeros
Accidentes de tráfico
Conductores
Sistemas integrados basados en GPU
Aprendizaje automático
Dispositivos IoT basados en visión por computadora
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 34
Citaciones: Sin citaciones
Informes estadísticos indican que, de 2011 a 2021, más de 11,915 animales callejeros, como gatos, perros, cabras, vacas, etc., y animales salvajes resultaron heridos en accidentes de tráfico. La mayoría de los accidentes ocurrieron debido a la negligencia y somnolencia de los conductores. Estos problemas pueden ser manejados brillantemente utilizando la interacción entre animales callejeros y salvajes con vehículos y la conciencia de los peatones. Este documento presenta un detallado foro sobre sistemas integrados basados en GPU y aplicaciones en tiempo real de ODT. El aprendizaje automático entrena a las máquinas para reconocer imágenes de manera más precisa que los humanos. Esto proporciona una solución única y en tiempo real utilizando YOLOv3 basado en movimiento real 3D profundo (DL-R-3D-YOLOv3) de imágenes en movilidad. Además, descubre métodos para múltiples vistas de objetos flexibles utilizando reconstrucción 3D, especialmente para animales callejeros y salvajes. Los dispositivos IoT basados en visión por computadora también son asediados por este modelo DL-R-3D-YOLOv3. Busca soluciones mediante la predicción de filtros de imagen para encontrar propiedades y semántica de objetos para métodos de reconocimiento de objetos que conducen a un ODT de bucle cerrado.
Descripción
Informes estadísticos indican que, de 2011 a 2021, más de 11,915 animales callejeros, como gatos, perros, cabras, vacas, etc., y animales salvajes resultaron heridos en accidentes de tráfico. La mayoría de los accidentes ocurrieron debido a la negligencia y somnolencia de los conductores. Estos problemas pueden ser manejados brillantemente utilizando la interacción entre animales callejeros y salvajes con vehículos y la conciencia de los peatones. Este documento presenta un detallado foro sobre sistemas integrados basados en GPU y aplicaciones en tiempo real de ODT. El aprendizaje automático entrena a las máquinas para reconocer imágenes de manera más precisa que los humanos. Esto proporciona una solución única y en tiempo real utilizando YOLOv3 basado en movimiento real 3D profundo (DL-R-3D-YOLOv3) de imágenes en movilidad. Además, descubre métodos para múltiples vistas de objetos flexibles utilizando reconstrucción 3D, especialmente para animales callejeros y salvajes. Los dispositivos IoT basados en visión por computadora también son asediados por este modelo DL-R-3D-YOLOv3. Busca soluciones mediante la predicción de filtros de imagen para encontrar propiedades y semántica de objetos para métodos de reconocimiento de objetos que conducen a un ODT de bucle cerrado.