Bu makale, yarış fotoğraflarının kapsamlı analizi için gelişmiş derin öğrenme ve bilgisayarlı görü modellerini kullanan yenilikçi bir uygulama olan Race lens'i sunmaktadır.
Geliştirilen modeller, yarış arabalarını tespit etme, araba numaralarını tanıma, araba detaylarını tespit etme ve ölçme, ve araba yönelimlerini tanıma gibi geniş bir görev yelpazesinde verimliliklerini kanıtlamıştır. Modellerimizi eğitmek için gerekli olan sağlam bir veri seti toplama sürecini tartışıyor ve bu veri setini sürekli olarak artırmak ve iyileştirmek için tasarladığımız bir yaklaşımı tanımlıyoruz. Yöntemimiz, RaceLens'in performansını ve doğruluğunu zamanla artırarak sürekli model iyileştirmesi için bir geri bildirim döngüsünden yararlanmaktadır.
Çalışmamızın önemli bir kısmı, dört sezon boyunca NASCAR takımları tarafından başarılı bir şekilde uygulanmasına odaklanarak, Race lens'in pratik uygulamasını göstermeye adanmıştır. Sistemimizin performansının kapsamlı bir değerlendirmesini ve takımın stratejik kararları ve performans metrikleri üzerindeki doğrudan etkisini sağlıyoruz.
Sonuçlar, makine zekasının rekabetçi ve dinamik araba yarışı dünyasındaki dönüştürücü potansiyelini vurgulamakta ve gelecekteki uygulamalar için bir emsal oluşturmaktadır.
