Адаптація сучасних моделей комп’ютерного зору (YOLOv8-nano) для роботи в реальному часі в системах відеоаналітики дорожнього руху

Abstract

У роботі розглянуто підхід до оптимізації моделі комп’ютерного зору YOLOv8-nano для задач відеоаналітики дорожнього руху в режимі реального часу. Запропоновано використання полегшених архітектурних компонентів, зокрема Ghost-модулів та механізму уваги CBAM, що дозволяє зменшити обчислювальну складність моделі при збереженні прийнятного рівня точності детекції. Проведено експериментальне дослідження впливу архітектурних модифікацій на точність виявлення об'єктів, кількість параметрів та обчислювальну складність моделі. Отримані результати підтверджують доцільність використання комбінованої оптимізації архітектури для систем відеоаналітики дорожнього руху, що працюють на edge-платформах.

The paper considers an approach to optimizing the YOLOv8-nano computer vision model for real-time traffic video analytics tasks. The use of lightweight architectural components, in particular Ghost modules and the CBAM attention mechanism, is proposed, which allows reducing the computational complexity of the model while maintaining an acceptable level of detection accuracy. An experimental study of the impact of architectural modifications on the accuracy of object detection, the number of parameters, and the computational complexity of the model was conducted.