mio測速不準的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

透過深度學習基於影像之交通特性提取

為了解決mio測速不準的問題，作者王仁駿 這樣論述：

本研究提出一個基於深度學習，利用影像以提取交通特性的架構，目的是要為交通領域提供新的視野，並期許能藉由資料分析，幫助解決交通問題。過去使用的影像方法大多著重於特徵提取並搭配分類器以辨識車輛，而深度學習方法近年興起，且在過去較少被應用於交通領域。又近年來基於深度學習的物體偵測方法進步快速，且學習能力強、網路架構能彈性調整、偵測效果佳、同一偵測器可適用於不同場景等優勢，因此利用深度學習，期望能夠有效地應用於交通問題上。藉由近年出現的基於深度學習的物體偵測方法–You Only Look Once (YOLO)，針對其具有偵測速度快 (接近即時)、偵測準確度高、背景錯誤率低、能偵測多類別物體等特性

，故選用此方法作為本研究之偵測模式。本文提出之研究架構，先使用 COCO及MIO-TCD資料集訓練客製化YOLO二代模型，之後搭配卡曼濾波器及匈牙利演算法，偵測及追蹤汽車、機車、公車、自行車等物體類別，並取得分別對應的軌跡，亦可估算各個類別之數量，於單一張顯示卡NVIDIA GTX 1080上可達大約 38 FPS，汽車分類之精確率可達91.46%以上，機車可達89.51%以上。本文提出之研究架構應用於各種場景皆能保持一定的偵測精確率，又偵測速度快，且不受相機鏡頭、天氣狀況影響，可應用於許多交通問題。