Geri Dön

Traffic signs recognition and translation using neural networks

Trafik işaretleri tanıma ve sinir ağları kullanarak çeviri

  1. Tez No: 765146
  2. Yazar: HUSHAM QUTAIBA HUSHAM AL-NOORI
  3. Danışmanlar: YRD. DOÇ. DR. SEFER KURNAZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 59

Özet

Kendi kendini süren arabalar alanı son zamanlarda kayda değer bir gelişmeye tanık oluyor ve görüntüleme cihazları ve sensör ekipmanları bu tip arabaların en önemli parçalarından biri. Ve hayatın her alanı için kurallar ve yasalar olduğu gibi, uygun kontrolleri, talimatları ve göstergeleri ile kaymaktaşı sistemi de öyle. Bu tezde, trafik işaretleri için bir sınıflandırma sistemi önerilmiştir, çünkü bu sistem yapay zekaya, özellikle derin öğrenmeye dayalıdır. Eğitim için gereken veri miktarı sorununu çözmek için, bu teknoloji eğitim için çok fazla zaman ve veri tasarrufu sağladığı için transfer öğrenme tekniği kullanıldı. Simülasyon sonuçları, önerilen yöntemin bir kamera üzerinde ve gerçek zamanlı olarak test edilmesi nedeniyle yüksek bir performans gösterdiğini ve teşhisteki hata oranının yüzde 0,1'den az olduğunu gösterdi.

Özet (Çeviri)

The field of self-driving cars is witnessing a remarkable development in recent times, and imaging devices and sensor equipment are one of the most important parts of this type of cars. And since for every field of life there are rules and laws, so does the alabaster system with its appropriate controls, instructions and indications. In this thesis, a classification system for traffic signs has been proposed, as this system is depending on artificial intelligence, specifically deep learning. To solve the problem of the amount of data required for training, the transfer learning technique was used, as this technology saved a lot of time and data needed for training. The simulation results showed a high performance of the proposed method, as it was tested on a camera and in real time, and the error rate in diagnosis was less than 0.1 percent.

Benzer Tezler

  1. Otonom araçlar için trafik işaretlerini tanıma sistemi

    Traffic sign recognition system for autonomous vehicles

    EMRE BALKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Arel Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖMER IŞIK

  2. Uzman sistemler ve ulaştırma alanında kullanımları

    Expert systems and using them in transportation

    A.BURAK GÖKTEPE

    Yüksek Lisans

    Türkçe

    Türkçe

    1995

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    PROF.DR. HALUK GERÇEK

  3. Traffic sign recognition

    Başlık çevirisi yok

    BOTAN HAMZA HASAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Mühendislik BilimleriFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET KAYA

  4. Traffic sign detection and recognition

    Trafik işaretleri bulma ve tanıma sistemi

    SARDAR RAMADHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BURHAN ERGEN

  5. Sürücü destek sistemleri için yeni yol ve işaret tanıma yöntemleri

    New road and sign recognition methods for driver assistance systems

    GÜLCAN YILDIZ

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BEKİR DİZDAROĞLU