چارچوبی پاداش محور الهام گرفته از یادگیری تقویتی برای انتخاب هوشمند داده های مصنوعی در طبقه بندی علائم ترافیکی

توسعه سیستم های هوشمند کمک راننده و وسایل نقلیه خودران به شناسایی دقیق و سریع علائم راهنمایی و رانندگی وابسته است جایی که چالش های محیطی مانند تغییرات نوری، شرایط جوی و انسداد دید عملکرد مدل های یادگیری عمیق را به شدت تحت تاثیر قرار می دهند. در این مقاله چارچوبی نوین بر پایه شبکه های مولد تخاصمی (GAN) پیشنهاد می شود که با تولید تصاویر مصنوعی واقع نما، تنوع ویژگی های آموزشی را افزایش می دهد و مشکلات ناشی از کمبود داده و عدم تعادل کلاس ها را هدفمند برطرف می کند. برای بهبود کیفیت و کارایی این شبکه ها از یک رویکرد انتخاب پاداش محور الهام گرفته از مفاهیم یادگیری تقویتی استفاده شده است که تصاویر مصنوعی تولید شده را بر اساس پاداش دقت طبقه بندی کننده (تبعیض گر) ارزیابی و به صورت احتمالی فیلتر می کند. این مکانیزم پاداش محور، با اولویت بخشی به نمونه های دارای دقت بالاتر در طبقه بندی تنها تصاویر مفید و باکیفیت را به مجموعه آموزشی اضافه می نماید و از ورود نویز یا نمونه های کم ارزش جلوگیری می کند. تمرکز ویژه بر کلاس های کم نمونه در مجموعه داده GTSRB، تعادل توزیع کلاس ها را به طور موثری برقرار کرده و تعمیم پذیری مدل را در سناریوهای واقعی ارتقا می بخشد. نتایج آزمایش ها روی مجموعه داده استاندارد GTSRB نشان دهنده دستیابی به دقت کلی ۹۸.۳۶ درصد است که بهبود قابل توجهی نسبت به روش های پایه بدون فیلتر هوشمند ارائه می دهد. این چارچوب با حفظ کارایی محاسباتی و تمرکز بر کیفیت داده های افزوده شده پتانسیل بالایی برای کاربرد عملی در سیستم های رانندگی هوشمند دارد.

کلیدواژه ها:

طبقه بندی علائم ترافیکی ، شبکه مولد تخاصمی ، انتخاب پاداش محور ، داده های مصنوعی ، عدم تعادل کلاس ، فیلتر هوشمند مبتنی بر دقت