జర్నల్ ఆఫ్ కంప్యూటర్ ఇంజనీరింగ్ & ఇన్ఫర్మేషన్ టెక్నాలజీ

YOLOv4తో ఆబ్జెక్ట్ డిటెక్షన్‌ని ఉపయోగించి స్వయంప్రతిపత్త కారు రూపకల్పన మరియు అభివృద్ధి

రిషబ్ చోప్డా, సాకేత్ ప్రధాన్ మరియు అనుజ్ గోయెంకా

భవిష్యత్ కార్లు డ్రైవర్ లేనివిగా ఊహించబడతాయి; పాయింట్-టు-పాయింట్ రవాణా సేవలు మరణాలను నివారించగల సామర్థ్యాన్ని కలిగి ఉంటాయి. ఈ లక్ష్యాన్ని సాధించడానికి, ఆటో-తయారీదారులు సంభావ్య స్వయంప్రతిపత్త డ్రైవింగ్‌ను గ్రహించడానికి పెట్టుబడి పెట్టారు. ఈ విషయంలో, మేము స్టీరింగ్ యొక్క ప్రాధమిక సాధనంగా ఆబ్జెక్ట్-డిటెక్షన్‌ని ఉపయోగించి స్వయంప్రతిపత్త డ్రైవింగ్ చేయగల స్వీయ-డ్రైవింగ్ మోడల్ కారును రంగు శంకువులతో తయారు చేసిన ట్రాక్‌లో అందిస్తున్నాము. ఈ పేపర్ మోడల్ వాహనాన్ని రూపొందించే ప్రక్రియ ద్వారా, దాని ఎంబెడెడ్ హార్డ్‌వేర్ ప్లాట్‌ఫారమ్ నుండి, ఆటోమేటెడ్ డేటా సముపార్జన మరియు మోడల్-శిక్షణ కోసం అవసరమైన ఎండ్-టు-ఎండ్ ML పైప్‌లైన్ వరకు వెళుతుంది, తద్వారా హార్డ్‌వేర్ ప్లాట్‌ఫారమ్ నుండి ఇన్‌పుట్ పొందడానికి లోతైన అభ్యాస నమూనాను అనుమతిస్తుంది. కారు కదలికలను నియంత్రించడానికి. ఇది కారును స్వయంప్రతిపత్తితో గైడ్ చేస్తుంది మరియు మాన్యువల్ ఫీచర్-ఎక్స్‌ట్రాక్షన్ లేకుండా నిజ-సమయ ట్రాక్‌లకు బాగా అనుగుణంగా ఉంటుంది. ఈ పేపర్ వీడియో డేటా నుండి నేర్చుకునే కంప్యూటర్ విజన్ మోడల్‌ను అందిస్తుంది మరియు ఇమేజ్ ప్రాసెసింగ్, ఆగ్మెంటేషన్, బిహేవియరల్ క్లోనింగ్ మరియు కన్వల్యూషనల్ న్యూరల్ నెట్‌వర్క్ మోడల్‌ను కలిగి ఉంటుంది. డార్క్‌నెట్ ఆర్కిటెక్చర్ వీడియో సెగ్మెంట్ ద్వారా వస్తువులను గుర్తించడానికి మరియు దానిని 3D నావిగేబుల్ మార్గంగా మార్చడానికి ఉపయోగించబడుతుంది. చివరగా, కాగితం ముగింపు, ఫలితాలు మరియు ఉపయోగించిన సాంకేతికతలో భవిష్యత్తులో మెరుగుదల యొక్క పరిధిని తాకింది.