بازشناسی علائم راهنمایی و رانندگی با استفاده از شبکه عصبی موبایل نت

تشخیص علائم راهنمایی و رانندگی کاربر دهای زیادی از جمله در اتومبیل های خودران و بدون راننده، نقشه برداری از ترافیک و کاهش تصادفات دارد. اخیرا، مدل های یادگیری عمیق به عنوان روشی که خودویژگی های موثر را پیدا کرده و طبقه بندی را نیز انجام می دهد، برای تشخیص علائم راهنمایی و رانندگی استفاده می شوند. در این مقاله، با استفاده از شبکه عصبی کانولوشنال CNN، شبکه موبایل نت V2 MobileNet که یک شبکه با تعداد پارامترهای کمتر و وزن کمتر نسبت به شبک ههای دیگر از جمله الکس نت AlexNet و گوگل نت GoogleNet می باشد 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 .

کلیدواژه ها:

بازشناسی ، علائم ترافیکی ، موبایل نت ، یادگیری عمیق