Utilizando cámaras en los autobuses de transporte público para monitorear el tráfico
Usando cámaras en autobuses para monitorear tráfico
![Aprovechar las cámaras de autobús instaladas previamente con fines de seguridad permite a los investigadores recopilar datos de tráfico más precisos. ¶ Crédito: Getty Images](https://cacm.acm.org/system/assets/0004/6033/072823_Getty_Images_bus.large.jpg?1690560815&1690560815)
Investigadores de la Universidad Estatal de Ohio (OSU) monitorearon el tráfico utilizando cámaras ya instaladas en los autobuses de servicio de áreas del campus.
Implementaron un sistema que utiliza el modelo de aprendizaje profundo de dos dimensiones (2D) YOLOv4 para identificar y rastrear automáticamente objetos; Keith Redmill de OSU dijo que el modelo puede reconocer múltiples objetos en un solo fotograma de imagen.
El algoritmo también puede aprovechar secuencias de imágenes, mediciones del sistema global de navegación por satélite y datos regionales de mapas 2D para proyectar coordenadas de vista aérea del mundo real de la red de carreteras.
Dijo Redmill: “Si recopilamos y procesamos información espacial de alta resolución más completa sobre lo que está sucediendo en las carreteras, los planificadores podrían comprender mejor los cambios en la demanda, mejorando así la eficiencia en el sistema de transporte en general”. Desde Ohio State News Ver artículo completo
- OpenAI discontinúa su detector de escritura de IA debido a una baja tasa de precisión
- Cómo la IA está transformando el panorama de la contratación a través de la coincidencia de candidatos
- LLMs en IA Conversacional Construyendo Chatbots y Asistentes más Inteligentes
Derechos de autor de los resúmenes © 2023 SmithBucklin, Washington, D.C., EE. UU.
We will continue to update Zepes; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
- RepVGG Una explicación detallada para la reparametrización estructural
- Las Difusores de Hugging Face ahora pueden cargar correctamente LoRA
- Rompiendo barreras en la adaptación de dominio sin fuente el impacto de NOTELA en los dominios de bioacústica y visión
- ¿Cómo le explicarías el Aprendizaje Automático a un niño de 9 años?
- 3 Diferencias Prácticas Entre astype() y to_datetime() en Pandas
- Investigadores de KAIST presentan FaceCLIPNeRF un canal de manipulación impulsado por texto de una cara en 3D utilizando NeRF deformable
- Descubrimiento de productos impulsado por LLM Un salto más allá de la búsqueda híbrida