مقایسه دقت و سرعت دو شبکه faster rcnn و yolo v5 جهت شمارش ماشین‌ها

تراکم ترافیک یک مشکل جدی است که به طور قابل توجهی بر کیفیت زندگی شهری تاثیر می‌گذارد. در واقع درک و شناخت دقیق و عمیق تحرکات شهری در دنیای واقعی، کاربردهای زیادی از جمله در مدیریت ترافیک شهری و رانندگی‌های مستقل را به همراه دارد. در این مقاله سعی بر آن است تا با بهره‌گیری از دو شبکه یادگیری عمیق faster rcnn و yolo v5 که قبلا بر روی دیتابیس coco آموزش داده شده،‌ عملکرد آن‌ها جهت شمارش ماشین بر روی دیتابیس trancos سنجیده شود. با توجه به نتایج حاصل شده از این دو شبکه،‌ مشخص گردید شبکه faster rcnn از دقت بالاتر با میانگین خطای مطلق 11.443 و سرعت کمتری نسبت به yolo v5 برخوردار است.