earticle

영어

Vehicle detection is the most crucial component of automated driving and traffic monitoring. Additionally, pothole-caused bad road conditions are to blame for collisions and car damage. Deep learning models are used in the suggested work. In this study, a fast region-based convolutional neural network (Faster R-CNN) and an inception network V2 model were utilized to detect vehicles and potholes in images. To verify the proposed study, Faster R-CNN, Single Shot Detector (SSD), and YOLO algorithms were compared in performance, number of accuracy, detection time, and strengths and weaknesses. Accuracy serves as the benchmark for performance evaluation. When compared to the earlier approaches, such as SSD and YOLO, the suggested method exhibits a 6% improvement.

한국어

자율 주행과 교통 감시의 가장 중요한 것은 차량 감지 기술이다. 또한, 포트홀과 같이 도로의 특정 상황 은 교통사고와 차량 파손의 원인이다. 본 논문에서는 도로의 포트홀을 자동으로 발견하기 위해서 딥 러닝 모델을 사용한다. 본 연구에서는 이미지에서 차량 및 포트홀을 감지 할 수 있도록 빠른 영역 기반 컨볼루션 신경망 (Faster R-CNN)과 인셉션 네트워크 V2 모델을 사용하여 모델을 활용하였다. 제안하는 연구를 검증하기 위해 Faster R-CNN, Single Shot Detector(SSD), YOLO 알고리즘과 성능, 정확도수, 검출 시간 및 장단점을 비교 하였다. 논문에서 제안하는 방법은 SSD 및 YOLO와 같은 기존 방법보다 좋은 성능을 보여주었다. 여기서 성능 평가의 척도는 정확도를 사용하였다. 제안된 방법은 SSD 및 YOLO와 같은 이전 방법에 비해 6%의 개선을 보여준다.