تحليل وتحسين أداء نموذج YOLOv8 للكشف عن الكائنات باستخدام مجموعة بيانات BDD100K مخصصة

الملخص

تهدف هذه الدراسة إلى تقييم أداء نموذج YOLOv8 في مهمة الكشف عن المركبات والعناصر المرورية ضمن بيئات حضرية معقدة، وذلك باستخدام نسخة مخصصة من قاعدة بيانات BDD100K تضم تسع فئات مرورية رئيسية. تم تدريب كل من YOLOv8n وYOLOv8m أولًا باستخدام الإعدادات القياسية، وقدمنا منهجية مقترحة لتحسين نموذج YOLOv8m عبر دمج تقنيات تعزيز بيانات متقدمة ورفع دقة الصور وتغيير خوارزمية التحسين إلى AdamW.

أظهرت النتائج تفوّق نموذج YOLOv8m على YOLOv8n في جميع مؤشرات التقييم، حيث حقق mAP50=0.5905 مقابل 0.4219، وPrecision=0.6801 مقابل 0.6288. وبعد إجراء التعديلات وفق المنهجية المقترحة، حقق YOLOv8m تحسناً إضافياً في الأداء ليصل إلى mAP50=0.6116 وPrecision=0.7026، مع انخفاض في قيم الخسارة على بيانات التحقق، مما يشير إلى زيادة ثبات النموذج وتحسن قدرته على التعميم. تعكس هذه النتائج أهمية تخصيص البيانات وتحسين استراتيجيات التدريب لرفع دقة نماذج الكشف في أنظمة النقل الذكية.