Tecniche di Deep Learning per il rilevamento e il tracciamento veicolare: analisi architetturale per sistemi Edge

Il presente elaborato propone una rassegna critica delle moderne tecniche di Deep Learning applicate al rilevamento e al tracciamento veicolare. Tali tecnologie trasformano flussi video non strutturati in metadati standardizzabili, un prerequisito fondamentale per alimentare le architetture interconnesse dei Sistemi di Trasporto Intelligenti (ITS), oggi promossi a livello globale per l'ottimizzazione della sicurezza e della viabilità urbana. L'analisi evidenzia come, per operare su dispositivi Edge a risorse vincolate, sia cruciale bilanciare l'accuratezza teorica con l'efficienza computazionale. L'adozione di architetture neurali congiunte e di rigorose tecniche di compressione emerge, in conclusione, come la strategia fondamentale per rendere l'elaborazione real-time realmente sostenibile sul campo