Système embarqué pour la détection d’objets basé sur YOLOv5.
Loading...
Date
2023-06-26
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
FGEI.UMMTO
Abstract
Notre travail présente une étude approfondie sur l'utilisation de YOLOv5 sur le Raspberry Pi 4 pour la détection d'objets en temps réel. Nous avons mis en évidence l'impact significatif de l'intelligence artificielle et de la vision par ordinateur, notamment dans le domaine de la détection d'objets, grâce à des modèles comme YOLOv5. Ce modèle démontre la polyvalence et l'accessibilité du Raspberry Pi 4 en tant que plateforme pour déployer des systèmes de détection d'objets, malgré ses limitations en termes de puissance de traitement et de mémoire RAM.
Notre étude détaille le processus d'entraînement du modèle YOLOv5, son intégration sur le Raspberry Pi 4, et les étapes nécessaires pour obtenir une détection précise et rapide. Nous avons examiné les résultats des tests réalisés, évalué les performances du système, et proposé des pistes d'amélioration pour l'avenir. Parmi ces pistes, nous suggérons l'utilisation d'autres modèles de détection, l'exploration de nouveaux backbones, l'entraînement sur des bases de données plus vastes, et l'adoption d'algorithmes d'amélioration de la qualité des images.
En conclusion, ce travail offre une base solide pour la compréhension et la mise en œuvre de systèmes de détection d'objets en temps réel avec YOLOv5 sur le Raspberry Pi 4. Il ouvre la voie à de nouvelles opportunités dans le domaine de la vision par ordinateur embarquée et encourage la poursuite de recherches et d'innovations dans ce domaine en constante évolution
Description
74p .; ill .; 30cm . (CD-ROM)
Keywords
Unité de traitement graphique, Réseau de proposition
Citation
Eléctronique des Systèmes Embarqués