مقايسه دقت و سرعت دو شبكه Faster RCNN و YOLO v5 جهت شمارش ماشين‌ها

تراكم ترافيك يك مشكل جدي است كه به طور قابل توجهي بر كيفيت زندگي شهري تأثير مي‌گذارد. در واقع درك و شناخت دقيق و عميق تحركات شهري در دنياي واقعي، كاربردهاي زيادي از جمله در مديريت ترافيك شهري و رانندگي‌هاي مستقل را به همراه دارد. در اين مقاله سعي بر آن است تا با بهره‌گيري از دو شبكه يادگيري عميق Faster RCNN و YOLO v5 كه قبلا بر روي ديتابيس COCO آموزش داده شده،‌ عملكرد آن‌ها جهت شمارش ماشين بر روي ديتابيس Trancos سنجيده شود. با توجه به نتايج حاصل شده از اين دو شبكه،‌ مشخص گرديد شبكه Faster RCNN از دقت بالاتر با ميانگين خطاي مطلق 11.443 و سرعت كمتري نسبت به YOLO v5 برخوردار است.