Geri Dön

Trafik işaretlerinin derin sinir ağları ile sınıflandırılması

Classification of traffic signs with deep neural networks

  1. Tez No: 584527
  2. Yazar: BURCU TİRYAKİ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ EMİN ARGUN ORAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Atatürk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektronik Bilim Dalı
  13. Sayfa Sayısı: 72

Özet

Bu tezde görüntü işleme uygulamalarında önemli bir yer alan ve akıllı araç tasarımının bir parçası olan trafik işaretlerinin sınıflandırılması gerçekleştirilmiştir. Sürücüler ve yayalar için önemli bilgiler taşıyan, uyarıcı niteliğinde olan ve trafiğin düzenli akışını sağlayan trafik işaretleri çoğu zaman sürücüler tarafından fark edilmez ve bunun sonucunda da çeşitli kazalar meydana gelir. Bu yüzden Sürücü Destek Sistemlerinin bir parçası olarak Trafik İşareti Tanıma kullanılmaktadır. Bu çalışmada 43 sınıftan oluşan ve toplam 39.209 eğitim, 12.630 test görüntüsü içeren German Traffic Sign Recognition Benchmark (GTSRB) veri seti kullanılmıştır. Derin öğrenme yöntemlerinden Konvolüsyonel Sinir Ağları (CNN) kullanılarak sınıflandırma işlemi gerçekleştirilmiştir. MATLAB için Konvolüsyonel Sinir Ağlarının bir uygulaması olan MatConvNet araç kutusu kullanılmış ve oluşturulan CNN mimarisi ile sınıflandırma işlemi sonucunda ortalama %94.56 oranında başarı elde edilmiştir. CNN mimarisine görüntüler üzerinde dönüşüm gerçekleştiren Mekansal Dönüşüm Ağları (STN) eklenerek yapılan sınıflandırmada ortalama %96.22 oranında doğruluk elde edilmiştir.

Özet (Çeviri)

In this thesis, the classification of traffic signs is realized, which is an important part of image processing applications and which is a part of intelligent vehicle design. Traffic signs that provide important information for drivers and pedestrians, which serve as a warning and that ensure the regular flow of traffic, are often not recognized by drivers, resulting in various accidents. Therefore Traffic Sign Recognition is used as part of Driver Support Systems. In this study, German Traffic Sign Recognition Benchmark (GTSRB) dataset were used which consisting of 43 classes and 39.209 training and 12.630 test images. The classification process was carried out using Convolutional Neural Networks (CNN) which is one of the deep learning methods. MatConvNet toolbox, which is an application of Convolutional Neural Networks, was used for MATLAB and with CNN architecture, 94.56% success was achieved as a result of classification process. Spatial Transformation Networks (STN), which perform conversion on images, were added to the CNN architecture to achieve an accuracy of 96.22% on average.

Benzer Tezler

  1. İmge içeriği tabanlı nesne sınıflandırma

    Image content based object classification

    YEŞİM KALKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Elektrik ve Elektronik MühendisliğiAnkara Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ZİYA TELATAR

  2. Trafik levhalarının evrişimsel sinir ağları ile tanınması

    Recognition of traffic signs using convolutional neural networks

    BÜŞRA ÖVÜN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. YAŞAR BECERİKLİ

  3. Derin evrişimsel sinir ağlarını kullanılarak araç, insan ve trafik işaretlerinin tanınması

    Recognition of vehicle, human and traffic signs using deep convolutional neural networks

    GÜLYETER ÖZTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Mekatronik MühendisliğiSakarya Uygulamalı Bilimler Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. RAŞİT KÖKER

  4. Traffic signs classification with transfer learning of CNN based models and performance comprasion

    CNN ağları kullanılarak trafik işaretlerinin tespiti ve performans karşılaştırması

    MOHAMMED GHAZİ KHASSAF ALSHAMİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FEHİM KÖYLÜ

  5. Derin öğrenme algoritmaları ile trafik işaret ve levhalarının tanımlanması

    Traffic sign recognition with deep learning algorithms

    AHMET YAVUZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiPamukkale Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. SERDAR İPLİKÇİ