Abstract:
Ce rapport se concentre sur l'évaluation des performances de la 5G dans la détection des
obstacles dans la circulation urbaine en utilisant le modèle YOLOv3. La technologie 5G offre des
avantages avancés en termes de connectivité tels que la faible latence et la large bande passante, ce
qui peut améliorer la précision et la vitesse de détection en temps réel. Le modèle YOLOv3, un
réseau neuronal convolutif spécialisé dans la détection d'objets, est utilisé pour analyser les flux
d'images provenant des capteurs montés sur les véhicules autonomes. L'étude comprend des tests de
simulation et expérimentaux pour évaluer les performances du modèle YOLOv3 en termes de
précision, de rappel et de vitesse de détection. Les résultats démontrent que l'intégration du modèle
YOLOv3 avec la technologie 5G améliore significativement la détection des obstacles dans la
circulation urbaine, ouvrant ainsi de nouvelles possibilités pour des véhicules autonomes plus sûrs
et plus efficaces.
