Detekce dopravních značek a semaforů

Abstract

Práce se zabývá detekcí dopravních značek a semaforů v obraze s využitím konvolučních neuronových sítí. Cílem je vytvoření vhodného detektoru pro detekci a rozpoznání dopravního značení v reálném provozu. Za účelem trénování konvolučních neuronových sítí byly vytvořeny vhodné datové sady, které se skládají ze syntetické i reálné datové sady. Pro syntetickou datovou sadu byl vytvořen generátor, který simuluje různé deformace značek. Vyhodnocení kvality detekce je prováděno pomocí vlastního programu pro kvantitativní vyhodnocování. Podařilo se dosáhnout úspěšnosti 84\% detekovaných značek nad vlastní testovací datovou sadou. Výsledky umožňují zjistit důležitost zastoupení reálné či syntetické datové sady v trénovací sadě a vliv jednotlivých deformací syntetické datové sady na konečnou kvalitu detekce.

The thesis focuses on traffic sign detection and traffic lights detection in view with utilization convolution neural network. The goal is create suitable detector for detection and classification traffic sign in real traffic. For training of convolution neural network were created appropriate datasets, that contains synthetic and real dataset. For synthetic dataset was create generator, that can simulated different deformation of traffic signs. Evaluation is done by own program for quantitative evaluation. The detection rate successfully detected signs is 89\% over own test dataset. The results allow to find out importance of representation real or synthetic dataset in training dataset and influence individual deformations synthetic dataset for final detection quality.