سیدمحمدرسول نورمحمدی - دانشگاه علم و فرهنگ،
راضیه سادات اخوت - دانشگاه علم و فرهنگ،

تراکم ترافیک یک مشکل جدی است که به طور قابل توجهی بر کیفیت زندگی شهری تاثیر میگذارد در واقع درک و شناخت دقیق و عمیق تحرکات شهری در دنیای واقعی کاربردهای زیادی از جمله در مدیریت ترافیک شهری و رانندگیهای مستقل را به همراه دارد. در این مقاله سعی بر آن است تا با بهره گیری از دو شبکه یادگیری عمیق Faster RCNN و YOLO v۵ که قبلا بر روی دیتابیس COCO آموزش داده شده عملکرد آنها جهت شمارش ماشین بر روی دیتابیس Trancos سنجیده شود با توجه به نتایج حاصل شده از این دو شبکه، مشخص گردید شبکه Faster CNN از دقت بالاتر با میانگین خطای مطلق ۱۱,۴۴۳ و سرعت کمتری نسبت به YOLO v۵ برخورداراست.

شبکه عصبی کانولوشنال، هوش مصنوعی ،یادگیری عمیق، یادگیری ماشین