شماره مدرك
21267
شماره راهنما
18211
پديد آورنده
حسين، فاروق
عنوان
مطالعه روشهاي پيشرفته تشخيص فوري انسان و وسايل نقليه با استفاده از YOLO براي پشتيباني از زيرساخت نظارت امنيتي در شهرهاي هوشمند
مقطع تحصيلي
كارشناسي ارشد
گرايش تحصيلي
هوش مصنوعي و رباتيك
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
سال دفاع
1405
صفحه شمار
112ص
توصيفگر ها
تشخيص فوري اشياء , شهر هوشمند , نظارت امنيتي تصويري , يادگيري عميق , پردازش لبه
تاريخ ورود اطلاعات
1405/06/31
كتابنامه
كتابنامه
رشته تحصيلي
مهندسي كامپيوتر
دانشكده
مهندسي برق و كامپيوتر
تاريخ ويرايش اطلاعات
1405/07/05
كد ايرانداك
23252894
چكيده فارسي
گسترش شهرهاي هوشمند و افزايش شمار دوربينهاي نظارتي، نياز به سامانههايي را برجسته كرده است كه انسان و وسايل نقليه را بهصورت فوري، دقيق و با هزينهي محاسباتي اندك شناسايي كنند. پژوهش حاضر با هدف مطالعهي روشهاي پيشرفتهي تشخيص بيدرنگ و سنجش جايگاه شبكهي YOLOv11 در پشتيباني از زيرساخت نظارت امنيتي شهرهاي هوشمند انجام شده است. اين پژوهش از نظر هدف كاربردي و از نظر گردآوري داده توصيفي-تجربي با رويكرد بنچماركسازي است.
چهار نسل شاخص از خانوادهي آشكارسازهاي تكمرحلهاي YOLO يعني YOLOv3، YOLOv8، YOLOv11 و YOLOv26، بهجاي استناد به گزارشهاي ناهمسان مقالات، در يك محيط آزمايشي واحد و با پروتكل كاملاً يكسان پيادهسازي شدند تا هر تفاوت مشاهده شده تنها وامدار معماري هر مدل باشد. بستر داده، مجموعهدادهي BDD100K با 70.000 تصوير آموزش، 10.000 تصوير اعتبارسنجي و 20.000 تصوير آزمون در ده كلاس شهري بود كه تنوع جغرافيايي، آبوهوايي و روشنايي آن شرايط واقعي نظارت شهري را بازنمايي ميكند. همهي مدلها با بهينهساز AdamW، نرخ يادگيري اوليهي 001/0 با زمانبندي كسينوسي، 30 دوره و ورودي 640×640 آموزش ديدند و با معيارهاي Precision، Recall و mAP ارزيابي شدند.
يافتهها روي دادهي آزمون نشان داد YOLOv8 با mAP50 برابر 0/366 و YOLOv11 با 0/343 در صدر قرار دارند و فاصلهي آنها تنها 0/023 واحد يعني حدود 6/7 درصد نسبي است، حال آنكه YOLOv26 با 0/289 و YOLOv3 با 0/221 در رتبههاي بعدي جاي گرفتند. بنابراين نه جديدتر بودن نسل و نه بزرگتر بودن شبكه بهتنهايي تضمينكنندهي دقت بالاتر نيست. نكتهي كليدي براي كاربرد شهري آن است كه YOLOv11 اين عملكرد را تنها با 2.584.102 پارامتر، 6/3 گيگافلاپ و حجم 5/4 مگابايت و با 77/8 درصد بار محاسباتي YOLOv8 به دست آورد و بهترين نسبت دقت به هزينه را براي سختافزار لبه ارائه ميدهد.
در سطح كلاس، اين مدل براي خودرو mAP50 معادل 0/644 و براي عابر پياده 0/388 ثبت كرد، اما كلاسهاي كمنمونه مانند دوچرخهسوار با 0/260 و موتورسيكلت با 0/219 ضعيف ماندند و در همهي مدلها Precision بهمراتب بزرگتر از Recall بود كه نشان ميدهد گلوگاه اصلي، از دست دادن اشياي واقعي صحنه است. نتيجه آنكه YOLOv11 گزينهاي مقرونبهصرفه براي هستهي پردازشي سامانههاي نظارت شهر هوشمند است، مشروط بر آنكه فراخواني پايين آن در اشياء كوچك با متوازنسازي كلاسها، تابع زيان وزندار و تنظيم آستانهي اطمينان جبران گردد.
چكيده انگليسي
The expansion of smart cities and the proliferation of surveillance cameras have intensified the demand for systems able to detect people and vehicles in real time, accurately and at low computational cost. This study investigates advanced real-time detection methods and assesses the standing of YOLOv11 in supporting security-surveillance infrastructure in smart cities. The research is applied in purpose and descriptive-experimental in data collection, following a benchmarking approach: four representative generations of the single-stage YOLO family, namely YOLOv3, YOLOv8, YOLOv11 and YOLO26, were implemented in a single environment under a strictly identical protocol, rather than being inferred from heterogeneous figures reported in the literature, so that every observed difference could be attributed solely to model architecture. The data platform was BDD100K, comprising 70,000 training, 10,000 validation and 20,000 test images across ten urban classes, whose geographic, meteorological and illumination diversity reproduces realistic surveillance conditions. All models were trained with AdamW, an initial learning rate of 0.001 under cosine scheduling, 30 epochs and an input resolution of 640 ×640, and were evaluated by Precision, Recall and mAP. On the test set, YOLOv8 with an mAP50 of 0.366 and YOLOv11 with 0.343 ranked highest, separated by only 0.023 or about 6.7 percent in relative terms, whereas YOLO26 with 0.289 and YOLOv3 with 0.221 followed; neither a more recent generation nor a larger network therefore guarantees higher accuracy. Critically for urban deployment, YOLOv11 attained this with only 2,584,102 parameters, 6.3 GFLOPs and a size of 5.4 MB, that is 77.8 percent of the computational load of YOLOv8, offering the best accuracy-to-cost ratio for edge hardware. At class level it reached an mAP50 of 0.644 for car and 0.388 for person, whereas under-represented classes such as rider at 0.260 and motorcycle at 0.219 remained weak, and in every model Precision far exceeded Recall, indicating that the main bottleneck is missing genuine objects rather than raising false alarms. YOLOv11 is thus a cost-effective core for smart-city surveillance systems, provided that its low recall on small objects is mitigated through class balancing, weighted losses and safety-oriented threshold tuning.
استاد راهنما
محمدرضا احمدزاده , محمد داورپناه جزي
استاد داور
الهام محمودزاده , مينا اميري