Automated Detection of Roadway and Traffic Control Conditions Using On-Board Image Processing
Rattachement africain : in. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Accurate detection of roadway and traffic control conditions is crucial for enhancing Advanced Driver Assistance Systems (ADAS) in dynamic environments. This study aims to leverage deep learning techniques, specifically YOLO series, for their identification in real-world scenarios. Detection of traffic signs, markings and signal along with road conditions such as potholes, and speed breakers are considered. The YOLO models perform well and demonstrates effective and real-time detection capacities.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Automated Detection of Roadway and Traffic Control Conditions Using On-Board Image Processing
- Date Crossref
- 06/01/2025
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Indian Institute of Technology Madras pays non établi dans la noticeUniversité ou école supérieure
Indian Institute of Technology Madras.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.