فریما جوادی - دانشجو کارشناسی، دانشگاه علم و صنعت ایران، دانشکده مهندسی برق، تهران نارمک دانشگاه علم و صنعت ایران
امیرعباس حمیدی ایمانی - دانشجو دکتری، دانشگاه علم و صنعت ایران، دانشکده مهندسی برق، تهران نارمک دانشگاه علم و صنعت ایران
شهریار برادران شکوهی - دانشیار، دانشگاه علم و صنعت ایران، دانشکده مهندسی برق، تهران نارمک دانشگاه علم و صنعت ایران

سیستم تشخیص علائم ترافیکی به سیستم هوشمندی اطلاق می شود که بتواند به صورت خودکار اعلان ها را برای خودروی خودران فراهم کند. شبکه های عصبی مبتنی بر کانولوشن مانند Faster R_CNN توانستند به دقت مناسبی در تشخیص شی دست یابند، این روش ها قابلیت تشخیص آنی اشیا را دارند و استفاده از این شبکه ها به منظور تشخیص علائم ترافیکی توانسته است به دقت قابل قبولی در زمان مناسب برسد. شبکه های YOLO و SSD که جزو شبکه های تشخیص تک مرحله ای می باشند، با وجود داشتن سرعت پردازش بالا برای تشخیص علائم اما تاکنون نتوانسته اند به دقت قابل ملاحظه ای برسند. در این تحقیق با استفاده از الگوریتم های جدید شبکه های یادگیری عمیق در تشخیص تابلوهای راهنمایی رانندگی توانستیم با غلبه بر شرایط نامطلوب آب و هوایی مانند مه و نور مستقیم در پس زمینه به دقت حدود %90 با سرعت 16 فریم در ثانیه برسیم.

تشخیص تابلوهای ترافیکی– شبکه های عصبی کانولوشنی – شرایط نامطلوب آب و هوایی