Vehicle type detection algorithm based on improved RT-DETR model
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
In order to solve the problem of vehicle type detection in intelligent transport, public safety and urban management, an algorithm RT-DETR-R18-P2 is proposed. The method mainly adds a P2 input feature, extends the input feature map of Decoder from three to four, and reduces the number of channels in each layer in Decoder from the original 256 to 128, The optimal model is obtained after 300 iterations of learning results. Experiments demonstrate that our improved model has improved the mean average precision (mAP) and recall (Recall) for vehicle type detection
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
- Vehicle type detection algorithm based on improved RT-DETR model
- Date Crossref
- 21/11/2025
- Éditeur
- SPIE
- 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
-
Southwest Forestry University pays non établi dans la noticeUniversité ou école supérieure
-
China Tobacco pays non établi dans la noticeOrganisme public
-
Qujing Normal University pays non établi dans la noticeUniversité ou école supérieure
-
Yunnan Tobacco Company Qujing City Co. (China) pays non établi dans la noticeEntreprise
Southwest Forestry University, China Tobacco et Qujing Normal University, avec 1 autre affiliation.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.