Trafik levhalarının evrişimsel sinir ağları ile tanınması
Recognition of traffic signs using convolutional neural networks
- Tez No: 765255
- Danışmanlar: PROF. DR. YAŞAR BECERİKLİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Evrişimli sinir ağları, Sinir ağları, Trafik işaretleri, Veri setleri, Convolutional neural networks, Nerve net, Traffic signs, Data sets
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Gelişen teknoloji sayesinde sürücü destek sistemleri ve otonom araç sektörü gün geçtikçe büyümektedir. Bununla birlikte trafik işaretlerinin takibinin zorluğu ve bilinirliğinin düşüklüğü yol güvenliğinin sağlanmasında karşılaşılan en büyük problemler arasında yer almaktadır. Bu sebeple trafik işaretlerinin otomatik tanınması sürücü destek sistemleri ve otonom araç teknolojisinin en önemli konuları arasına girmiştir. Bu çalışmadaki hedef, derin öğrenme ile trafik levhaları veri setindeki görüntüleri tanıyacak bir ağın eğitilmesi sayesinde yol güvenliğini sağlamada önemli bir faktör olan trafik işaretlerini tanıma üzerine çalışma yaparak sürücü destek sistemleri için daha performanslı çözümler önermektir. Veri seti olarak Kaggle'dan edinilen Alman Trafik İşareti Algılama Benchmark veri seti (GTSRB) kullanılmıştır. Evrişimsel sinir ağları modeli ile geliştirilen uygulamalar, kullanılan mimari ve parametrelere göre kıyaslanarak elde edilen sonuçlar farklı metrikler üzerinde sunulmuştur. LeNet, AlexNet, GoogLeNet, VGGNet ve bu mimariler incelenerek bu çalışmaya özgü geliştirilen Evrişimsel sinir ağı mimarisi, GTSRB veri seti üzerinde denenmiştir. Önerilen mimaride başarım %98.83 ile trafik levhası tanıma problemi üzerine çalışmış öteki çalışmalarla kıyaslandığında en başarılı modeldir. Aynı zamanda gerçek zamanlı çalışabilmesi yönünden değerlendirildiğinde resim başı ortalama tanıma süresi 0.01 s olarak tespit edilmiştir. LeNet mimarisi ile geliştirilen modelde başarım %96.1 iken, AlexNet'te %95.7, GoogleNet'te 97.0 ve VGGNet'te %97'dir.
Özet (Çeviri)
Thanks to the developing technology, driver assistance systems and autonomous vehicle sector are growing day by day. However, the difficulty of following traffic signs and their low awareness are among the biggest problems encountered in ensuring road safety. For this reason, automatic recognition of traffic signs has become one of the most important issues of driver support systems and autonomous vehicle technology. The aim of this study is to propose more performance solutions for driver support systems by working on recognizing traffic signs, which is an important factor in ensuring road safety, by training a network that will recognize images in the traffic sign dataset with deep learning. The German Traffic Sign Detection Benchmark dataset (GTSRB) obtained from Kaggle was used as the dataset. The applications developed with the convolutional neural network model are compared according to the architecture and parameters used and the results obtained are presented on different metrics. LeNet, AlexNet, GoogLeNet, VGGNet and these architectures were examined and the Convolutional neural network architecture developed specifically for this study was tested on the GTSRB dataset. It is the most successful model when compared to other studies on traffic sign recognition problem with 98.83% success in the proposed architecture. At the same time, when evaluated in terms of real-time operation, the average recognition time per picture was determined as 0.01 s. While the performance is 96.1% in the model developed with LeNet architecture, it is 95.7% in AlexNet, 97.0 in GoogleNet and 97% in VGGNet.
Benzer Tezler
- Trafik işaret levhalarının bilinirliğinin ölçülmesi
Evaluation of recognition of traffic signs
MELİS AZEL KURT
Yüksek Lisans
Türkçe
2020
İnşaat MühendisliğiTokat Gaziosmanpaşa Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FERİT YAKAR
- Ankara'daki trafik yön levhalarının trafik sorunu çözümündeki etkileri
Effect on traffic solution of traffic direction signs in Ankara
İLKER SAĞIR
Yüksek Lisans
Türkçe
2014
TrafikGazi ÜniversitesiTrafik Planlaması ve Uygulaması Ana Bilim Dalı (disiplinlerarası)
PROF. DR. ADNAN SÖZEN
- Profesyonel sürücülerin trafik işaret levhalarının algılanmasındaki farkındalık düzeyinin ölçülmesi: Ankara ili örneği
Measuring the awareness level of professional drivers in perception of traffic signs: The case of Ankara province
BEYTULLAH İSMAİL ÖZER
Yüksek Lisans
Türkçe
2023
TrafikPolis AkademisiUlaşım Güvenliği ve Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OZAN KAVSIRACI
- Gömülü sistem tabanlı trafik levhalarının algılanması
Embedded system based traffic signs detection
ATİLLA SUNKAR
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik MühendisliğiIsparta Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. KUBİLAY TAŞDELEN
- Derin öğrenme algoritmaları ile trafik işaret ve levhalarının tanımlanması
Traffic sign recognition with deep learning algorithms
AHMET YAVUZ
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiPamukkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SERDAR İPLİKÇİ