Bài báo:
Using Quantization Aware Training Technique to Enhance Performance of Deep Learning Model for ADAS System
Nhóm tác giả:
• Bùi Anh Tiệp – MTIO 2021 – Tác giả chính
• Trần Thị Thanh Dung – MTCL 2021 – Đồng tác giả
Giảng viên hướng dẫn:
• ThS. Phan Đình Duy
• PGS. TS. Vũ Đức Lung
Tóm tắt:
This paper presents a real-time traffic monitoring system leveraging Quantization Aware Training (QAT) with INT8 precision for efficient deployment in Advanced Driver Assistance Systems (ADAS). The proposed system integrates YOLOv8 for traffic sign recognition on a single embedded platform.
The model identifies traffic signs in accordance with Vietnam’s QCVN 41:2019/BGTVT standard and detects four categories of vehicles. Designed for on-vehicle installation, the system processes 2D images and video streams, achieving optimized performance and accuracy while significantly reducing computational overhead. The results demonstrate that QAT-based optimization enables scalable and practical deployment of deep learning models for intelligent transportation and ADAS applications.
Hội nghị RIVF (Research, Innovation and Vision for the Future) là hội nghị khoa học quốc tế uy tín, được tổ chức thường niên từ năm 2003, quy tụ các nhà nghiên cứu, học giả và sinh viên trong lĩnh vực Công nghệ Máy tính và Truyền thông. Hội nghị được IEEE bảo trợ kỹ thuật, và các bài báo được xuất bản trên IEEE Xplore – một trong những cơ sở dữ liệu học thuật hàng đầu thế giới.
Thông tin chi tiết tại: https://www.facebook.com/share/p/1bEFYiHf57/
Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin
