Geri Dön

Trafik levhalarının evrişimsel sinir ağları ile tanınması

Recognition of traffic signs using convolutional neural networks

  1. Tez No: 765255
  2. Yazar: BÜŞRA ÖVÜN
  3. Danışmanlar: PROF. DR. YAŞAR BECERİKLİ
  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: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 82

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

  1. Mobil haritalama yönteminin yapay zeka teknolojileri ile birlikte ulaşım envanter ve varlık yönetim sistemlerinde kullanılabilirliği ve doğruluk analizi

    Usability and accuracy analysis of mobile mapping method in transportation inventory and asset management systems with artificial intelligence technologies

    HÜSEYİN KURŞUN

    Doktora

    Türkçe

    Türkçe

    2024

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. REHA METİN ALKAN

  2. Comprehensibility of traffic signs in Turkey: The effects of cognitive sign design features and user factors

    Kavramsal işaret tasarım faktörleri ve kullanıcı özelliklerine göre Türk trafik işaretlerinin anlaşılırlığının değerlendirilmesi

    GİZEM ZENGİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Endüstri ve Endüstri MühendisliğiBoğaziçi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. MAHMUT EKŞİOĞLU

  3. Dönel kavşaklarda trafik levhaları ve yol işaretlemelerinin trafik güvenliğine etkisinin incelenmesi

    Evaluation of the effect of traffic signs and road markings on traffic safety in roundabouts

    FURKAN ŞAHİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    TrafikSakarya Uygulamalı Bilimler Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ABDULKADİR ÖZDEN

  4. Trafik işaret levhaları için bir sürücü destek sistemi önerisi

    Driver assistance system recommendation for traffic signs

    MUHAMMED BUĞRA KIZILARSLANOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    UlaşımAtatürk Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. AHMET ATALAY

  5. Sürücünün yorgunluk ve uyuma durumunu tespit ederek güvenli bir sürüş sağlayan uyarı sisteminin tasarlanması

    Desing of a driver warning system according to fatigue and drowsiness detection

    HASAN METEHAN AKGÜN

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Makine Mühendisliğiİnönü Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TARKAN KOCA