كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / دهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

Generative AI Strategies to Enhance Car Detection Under Adverse Weather Conditions

نویسندگان :

Sina Khoshgoftar¹ Mehrdad Kargari² Reza Vatankhah³

1- دانشگاه تربیت مدرس 2- دانشگاه تربیت مدرس 3- Nottingham Trent

کلمات کلیدی :

object detection،adverse weather،generative ai،car detection،generative artificial inteligence،abnormal weather condition

چکیده :

Computer vision is a pivotal technology of the current decade, enabling computers to interpret visual inputs, extract information, and make informed decisions. Core challenges in computer vision encompass detection, segmentation, and classification, with detection being crucial for applications like transportation systems. However, adverse weather conditions, such as rain, snow, and fog, pose significant challenges for object detection systems in real-world environments. Traditional approaches often incorporate denoising or enhancement modules to preprocess images. An alternative strategy involves training models using a mix of real and synthetic data. This method not only reduces data processing costs but also enhances model adaptability to various conditions. This paper focuses on enhancing the robustness and accuracy of car detection models under adverse weather conditions using the YOLO (You Only Look Once) object detection model. By leveraging generative AI to create synthetic weather condition data based on real images captured from city surveillance cameras, this paper developed a comprehensive dataset for training. Our contributions include a generative AI pipeline to simulate various weather scenarios and the integration of this synthetic data with real data to train the YOLO model. The results demonstrate improved performance and reliability of car detection systems in challenging environments, highlighting the efficacy of combining synthetic and real data for robust computer vision applications.

لیست مقالات

لیست مقالات بایگانی شده

پیش‌بینی و طبقه‌بندی سرطان سینه با استفاده از تکنیک‌های یادگیری ماشین:رویکرد داده‌محور

مهیار نجاریان - فاطمه نجاریان

تحلیل پویایی سیستمی و سناریویی سیاست‌های امنیت غذایی ایران با تأکید بر هوش مصنوعی: مطالعه موردی زنجیره تولید و تأمین ذرت دانه‌ای

محمد حسین‌زاده - احد فعالیان - سعدالله وارسته

رویکردی نوین با استفاده از تحلیل سلسله مراتبی در مدل سازی و برنامه ریزی استراتژیک یک مجتمع آموزشی: رویکرد ترکیبی SWOT-AHPو QSPM

نرگس قبادی - محمد فتاح - سیامک حاجی یخچالی

Optimizing Coordination in the Metformin Supply Chain Using Quantity Discounts and Government Subsidies: A Case Study of Iran's Healthcare System

Farnoush Otrodi - Hasan Khademi Zare - Yahya Zare Mehrjardi - Mohammad Bagher Fakhrzad

بهینه سازی سبد سرمایه گذاری مبتنی بر پیش‌بینی نوسانات با مدل‌های واریانس ناهمسانی شرطی خود‌رگرسیونی (مطالعه موردی بورس اوراق بهادار تهران)

فاطمه مصباحی - علیرضا سلیمانی

بهینه‌سازی تخصیص منابع در شبکه‌های توزیع انرژی الکتریکی با در نظر گرفتن اتلاف انرژی در خطوط توزیع و تأثیر دمای محیط روی اتلاف انرژی

هادی قلی نژاد - علی اکبر جابری

Dynamic NFT Price Prediction Incorporating Temporal Features into Machine Learning Models (BAYC Case Study)

Ali Fadaei Tafreshi - Maryam Rezapourniari - Reza Amiryaghoubi - Ali Asadi

افزایش احتمال کار کردن سیستم با گذر از دوران عمر اولیه

هادی قلی نژاد - رمضان خسروی

ارائه روشی مبتنی بر شبکه عصبی خودرمزنگار برای کاهش ابعاد در مسئله کشف تقلب

وجیهه منتظرتربتی - مهرداد کارگری - پرستو محمدی - عبدالله عشقی

ارزیابی عملکرد شرکت های توزیع برق ایران با بهره گیری از رویکرد تحلیل پوششی داده های مبتنی بر متغیر های کمکی

پژمان پیکانی - الهه معمار مسجد - میر سامان پیشوایی - دنیا رحمانی

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.7.0