Số phát hành: Số 11 - Tháng 5 - 2026Khoa học - Kỹ thuật
Nghiên cứu mô hình YOLOv8 để nhận dạng biển báo giao thông đường bộ tại Việt Nam
Xuất bản: tháng 7 5, 2026
Tóm tắt
Nhận dạng biển báo giao thông tự động đã trở thành một tiêu chuẩn bắt buộc và yêu cầu công nghệ đối với các hệ thống thông minh hiện đại cũng như xe tự lái nói riêng. Phương pháp học máy truyền thống bộc lộ những hạn chế trong vấn đề khái quát đặc trưng và hiệu quả tính toán. Bài viết khám phá những ưu điểm riêng biệt của một mô hình YOLO hiện có và áp dụng nó vào nhiệm vụ phát hiện biển báo giao thông. Thực nghiệm phát hiện và phân loại trên tập dữ liệu huấn luyện cho kết quả rất ấn tượng và tương đối chính xác. Hơn nữa, thời gian suy luận để dự đoán trên tập dữ liệu kiểm thử đáp ứng yêu cầu thời gian thực khi phương tiện di chuyển trong khu vực đô thị. Do đó, một mô hình YOLO tối ưu có thể mang tới một lựa chọn đáng tin cậy giải quyết các vấn đề an toàn giao thông trong tương lai
Từ khóa
độ chính xác trung bìnhkhung baovùng giao trên vùng hợp
Tài liệu tham khảo
1.
Alexey Bochkovskiy, Chien-Yao Wang, and Hong-Yuan Mark Liao (2020). YOLOv4: Optimal Speed and Accuracy of Object Detection, https://doi.org/10.48550/arXiv.2004.10934.
Ao Wang, Hui Chen, Lihao Liu, Kai Chen, Zijia Lin, Jungong Han, and Guiguang Ding (2024). YOLOv10: Real-Time End-to-End Object Detection, https://arxiv.org/pdf/2405.14458.
3.
Chien-Yao Wang, Alexey Bochkovskiy, and Hong-Yuan Mark Liao (2023). YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors, Conference on Computer Vision and Pattern Recognition.
Hao Chen, Zhan Chen and HangYu (2023). Enhanced YOLOv5: An efficient Road Object Detection Method, Sensors (MDPI).
6.
Ilya Loshchilov and Frank Hutter (2019). Decoupled Weight Decay Regularization, International Conference on Learning Representations.
7.
Joseph Redmon, Santosh Divvala, Ross Girshick, and Ali Farhadi (2016). You Only Look Once: Unified, Real-Time Object Detection, Conference on Computer Vision and Pattern Recognition.
8.
Navneet Dalal and Bill Triggs (2005). Histograms of Oriented Gradients for Human Detection. Conference on Computer Vision and Pattern Recognition.
9.
Paul Viola and Michael Jones (2001). Rapid Object Detection using a Boosted Cascade of Simple Features, Conference on Computer Vision and Pattern Recognition.
10.
Xiang Li, Wenhai Wang, Lijun Wu, Shuo Chen, Xiaolin Hu, Jun Li, Jinhui Tang, and Jian Yang (2020). Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection, Conference on Neural Information Processing Systems.
