بازشناسی علائم راهنمایی و رانندگی با استفاده از شبکه عصبی موبایل‌نت

محمد هادی صافیروزبه رجبی
The 11th Iranian and the first International Conference on Machine Vision and Image Processing (MVIP 2020)

چکیده

تشخیص علائم راهنمایی و رانندگی کاربرد‌های زیادی از جمله در اتومبیل های خودران و بدون راننده، نقشه‌برداری از ترافیک و کاهش تصادفات دارد.اخیرا، مدل‌های یادگیری عمیق به عنوان روشی که خود ویژگی‌های مؤثر را پیدا کرده و طبقه‌بندی را نیز انجام می‌دهد، برای تشخیص علائم راهنمایی و رانندگی استفاده می‌شوند.در این مقاله، با استفاده از شبکه عصبی کانولوشنال (CNN)، شبکه موبایل نت (MobileNetV2) که یک شبکه با تعداد پارامتر‌های کمتر و وزن کمتر نسبت به شبکه‌های دیگر از جمله الکس نت (AlexNet) و گوگل نت (GoogleNet) می‌باشد و مجموعه داده علائم راهنمایی و رانندگی کشور آلمان (GTSRB) به عنوان پایگاه داده، روشی برای تشخیص علائم راهنمایی و رانندگی ارائه شده است. شبکه به دقت یادگیری 99.90 درصد و دقت بازشناسی 99.41 درصد رسیده است.

کلمات کلیدی: بازشناسی، علائم ترافیکی، موبایل نت، یادگیری عمیق