งานวิจัยชิ้นนี้สร้างมาจากปัญหาสำคัญเกี่ยวกับความปลอดภัยของคนเดินถนนในเมืองใหญ่ที่มีความหนาแน่นของการจราจรสูง คือ การตรวจจับและนับจำนวนคนเดินถนนบนทางม้าลายอย่างมีประสิทธิภาพ งานวิจัยนี้นำเสนอโมเดลการเรียนรู้เชิงลึกที่ใช้สถาปัตยกรรม You Only Look Once (YOLO) ซึ่งได้รับการปรับปรุงด้วยเทคนิค Slicing Aided Hyper Inference (SAHI) ผลลัพธ์เหล่านี้แสดงให้เห็นถึงประสิทธิภาพของ SAHI ในการเพิ่มความแม่นยำในการตรวจจับและลดข้อผิดพลาด โดยเฉพาะอย่างยิ่งสำหรับ YOLOv9 อีกทั้งยังช่วยปรับปรุงการตรวจจับวัตถุขนาดเล็กในสภาพแวดล้อมที่ซับซ้อน งานวิจัยนี้ให้ข้อมูลเชิงลึกที่มีค่าเกี่ยวกับการปรับแต่งระบบตรวจจับคนเดินถนน โดยพบว่า YOLOv9 ที่ใช้ SAHI เป็นโมเดลที่มีประสิทธิภาพสูงสุดสำหรับการนับจำนวนคนบนทางม้าลาย