米盖尔·洛佩兹·蒙蒂尔；奥罗斯科·罗萨斯（Orozco Rosas）、尤利西斯（Ulises）；莫伊斯·桑切斯·阿达姆；基尼亚皮科斯；奥斯卡·蒙蒂尔 评估在嵌入式系统上实现的交通标志检测的深度学习算法。 （英语） Zbl 07392099号 Melin，Patricia（编辑）等人，基于软计算的混合智能系统的最新进展。查姆：斯普林格。螺柱计算。智力。915, 95-115 (2021). 摘要：目前，机器学习算法是一种趋势，用于解决自主车辆的不同问题，取得了良好的效果。在这些算法中，深度学习已成为改善机器视觉应用中最先进结果的一种优秀替代方法。自动驾驶车辆的一项基本任务是检测交通标志。这些检测器使用的一些指标侧重于评估精确度和召回率。然而，有必要考虑其他因素，例如这些模型在嵌入式系统上的实现。在这项工作中，我们在嵌入式系统上实现了深度学习算法，以评估两种不同的检测算法：Faster R-CNN和Single Shot Multibox Detector（SSD），并使用两个特征提取器ResNet V1 101和MobileNet V2来确定观察场景中交通标志的位置。本工作的贡献在于评估基于深度学习算法的交通标志检测系统在嵌入式系统上的实现。实验是在实验嵌入式系统板Nvidia Jetson Nano上完成的。对这些检测系统的推理时间和内存消耗进行了评估；他们为每个超类（禁止、警告和强制）提供了良好的性能（81-98%）。关于整个系列，请参见[Zbl 1467.93010号]. MSC公司： 68倍 计算机科学 关键词：交通标志检测；深度学习；计算机视觉；自动驾驶车辆；目标检测；嵌入式系统 PDF格式BibTeX公司 XML格式引用 \textit{M.Lopez-Montiel}等人，研究计算。智力。915，95-115（2021；Zbl 07392099） 全文： 内政部