001943227
100  $a                         y50      
101  $aang
2001 $aVehicle and Pedestrian Detection Based on Deep VIT$bressource électronique
210  $aUniversité 8 mai 1945 de Guelma : Département d'Electrotechnique et automatique$cUniversité 8 mai 1945 de Guelma
328 1$cAutomatique$eDépartement d'Electrotechnique et automatique , Université 8 mai 1945 de Guelma
330  $aRoad accidents cause thousands of victims each year. The alarming increase in this number has prompted researchers to develop applications to help the driver detect  obstacles, road signs, or vehicles in suspicious conditions that can cause road accidents. The main causes of these accidents are not only excessive speed by vehicles but also animals or pedestrians crossing the road. In 2021, on the east-west highway of Ain Defla, a terrifying accident caused by a broken-down motorist hit by a car while trying to cross the road caused a pile-up of 34 vehicles, killing at least five and injuring 12. Driving assistance systems seem to be a good solution for limiting road accidents. We seek to develop an intelligent driving assistance system whose main objective is detecting vehicles and pedestrians in road areas to alert the driver in time to take safety precautions (slowing down, braking, etc.). The application is based on deep learning of Visual Transformers combined with Convolutional Networks (CNN). Usually used in NLP (Natural Language Processing), visual processors have demonstrated their robustness in artificial vision with performances exceeding CNN's
610  $aVehicle detection, pedestrian detection, Deep learning, Convolutional Neural Network, Vision Transformer
700  $aZentar, mohamed Dhia El Hak
701  $aArray
801 0$aDZ$bCERIST PNST
901$ac