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