شناسایی علائم راهنمایی ورانندگی با استفاده از الگوریتم یولو

در این مقاله روشی برای شناسایی علائم راهنمایی ورانندگی با استفاده از شبکه های عصبی و الگوریتم YOLO نسخه ۳ پیشنهاد شده است. بنا به تحقیقات انجام شده، اکثر تصادفات رانندگی، از بی توجهی به این علائم ناشی میشود، بنابراین به کارگیری سیستم شناسایی علائم راهنمایی ورانندگی به عنوان یک سیستم دستیار راننده میتواند آمار تصادفات را کاهش دهد. الگوریتم و دیتاست پیشنهادی قادر است در زمانی که با شدت و ضعف نور مواجه هستیم به درستی پاسخگو باشد. نوآوری این طرح را میتوان توانایی تشخیص در شرایطی که نور، وضعیت دوربین، شرایط آب وهوا و کیفیت دوربین مناسب نیست مطرح نمود. با استفاده از دیتاست GTSDB و انجام تکنیک های داده افزایی بر روی همین دیتاست به منظور تقویت داده ها و افزایش دقت شناسایی علائم راهنمایی ورانندگی استفاده گردید. در این روش ابتدا کلیه داده های دیتاست دریافت میگردد و جهت بهبود روند سرعت شناسایی و دقت بالاتر از داده افزایی استفاده گردید، و به منظور دقت بالاتر سایز تصاویر ۴۱۶×۴۱۶ در نظر گرفته شد و در نهایت، پس از آماده سازی وزن های YOLO با برنامه پایتون تست گردید. در مجموع، دقت روش پیشنهادی به ۹۹,۷۰ درصد رسید، وزن های آماده شده نسبت به دیتاست GTSDB از دقت و سرعت تشخیص بالاتری، در زمان های مختلف روز، موقعیت و فاصله های متفاوت برخوردار است.