Analysis of object recognition systems using augmented reality glasses
Artykuł w czasopiśmie
MNiSW
5
spoza listy
| Status: | |
| Warianty tytułu: |
Analiza systemów rozpoznawania obiektów przy wykorzystaniu okularów do rozszerzonej rzeczywistości
|
| Autorzy: | Figura Jan, Kuźmiczuk Rafał , Badurowicz Marcin |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Rok wydania: | 2025 |
| Wersja dokumentu: | Drukowana | Elektroniczna |
| Język: | angielski |
| Wolumen/Tom: | 34 |
| Strony: | 8 - 13 |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | NIE |
| Publikacja OA: | TAK |
| Licencja: | |
| Sposób udostępnienia: | Witryna wydawcy |
| Wersja tekstu: | Ostateczna wersja opublikowana |
| Czas opublikowania: | W momencie opublikowania |
| Data opublikowania w OA: | 30 czerwca 2025 |
| Abstrakty: | angielski | polski |
| Object recognition systems and augmented reality devices aim to bridge the gap between the virtual and real worlds. It is natural, then, to combine these two technologies to create devices that can assist us in various aspects of life. This paper compares four object detection models: Faster R-CNN ResNet-101 v1, YOLO v8s, SSD MobileNet v2, and EfficientDet Lite 2 in the context of their use with augmented reality glasses. Using a simulated test environment, we examined resource consumption, energy efficiency, precision, and speed of the models during real-time operation. The results confirm that models using single-stage architecture are more suitable for real-time operation directly on the device. Among the single-stage models, YOLO v8s proved to be the most efficient. | |
| Systemy rozpoznawania obiektów i urządzenia rozszerzonej rzeczywistości łączą świat wirtualny z rzeczywistym. Natu-ralnym krokiem wydaje się więc połączenie obu tych technologiiby tworzyć urządzeniawspierające różne aspekty życia. Niniejsza praca porównuje cztery modele wykrywania obiektów: Faster R-CNN ResNet-101 v1, YOLO v8s, SSD Mobi-leNet v2 i EfficientDet Lite 2 z perspektywy zastosowania w okularach rozszerzonej rzeczywistości.Wykorzystując sy-mulowane środowisko testowe, badane są zużycie zasobów, energooszczędność, precyzja i szybkość modeli podczas działania w czasie rzeczywistym. Uzyskane wyniki badań potwierdziły, że modele wykorzystującearchitekturę jedno-etapowąsą lepiej przystosowane do działania w czasie rzeczywistym, a najwydajniejszym okazał się YOLO v8s. |
