Derin öğrenme ile trafik işaretlerini tanıyan bir sürücü destek sistemi

Günümüzde toplumun ve ekonominin hızla gelişmesiyle birlikte otomobiller neredeyse her hane için uygun ulaşım modlarından biri haline gelmiştir. Bu, karayolu trafik ortamını giderek daha karmaşık hale getiriyor ve insanlar, sürücülere trafik işareti bilgileri sağlayan, sürücü işlemlerini düzenleyen veya yol güvenliğini sağlamak için araç kontrolüne yardımcı olan akıllı görüş destekli uygulamalara sahip olmayı önemli hale getiriyor. Daha önemli işlevlerden biri olan trafik işareti algılama ve tanıma, yurtiçinde ve yurtdışında araştırmacıların sıcak araştırma yönü haline geldi. Esas olarak, gerçek zamanlı yol görüntülerini yakalamak ve daha sonra yolda karşılaşılan trafik işaretlerini tespit etmek ve tanımlamak için araç kameralarının kullanılmasıdır, böylece sürüş sistemine doğru bilgi sağlanır. Ancak, gerçek sahnedeki yol koşulları çok karmaşıktır. Uzun yıllar süren yoğun çalışmalardan sonra, araştırmacılar tanıma sistemini henüz pratik hale getiremediler ve daha fazla araştırma ve iyileştirmeye hala ihtiyaç bulunmaktadır. Geleneksel olarak trafik işaretleri, standart bilgisayarlı görme yöntemleri kullanılarak algılanır ve sınıflandırılır, ancak görüntünün önemli özelliklerini manuel olarak işlemek de oldukça zaman alır. Bilim ve teknolojinin gelişmesi ve ilerlemesiyle birlikte, giderek daha fazla bilim insanı bu sorunu çözmek için derin öğrenme teknolojisini kullanmaktadır. Derin öğrenme algoritmaları, sınıflandırma görevlerinde son teknoloji performanslar göstermiştir. Sonuç olarak, derin öğrenmeye dayalı nesne algılama algoritmaları, bilgisayarla görme görevlerinde popüler hale geldi. İki ana kategoriye ayrılabilirler: İki aşamalı algılama algoritmaları ve tek aşamalı algılama algoritmaları. İki aşamalı algılama algoritmaları, tek aşamalı algılama algoritmalarına kıyasla konum belirleme ve tanıma doğruluğu açısından daha iyi performansa sahiptir. Ancak, tek aşamalı algılama algoritmaları daha hızlı olacak şekilde tasarlanmıştır, bu da onları algılama süresinin çok önemli olduğu gerçek zamanlı uygulamalar için uygun hale getirir. Bu projede, esas olarak son teknoloji tek aşamalı algılama algoritmalarından bir trafik işareti algılama algoritması sunulmaktadır. Yol trafik işareti algılama ve tanıma uygulamasına dayanan, algılama ve tanımanın doğruluğuna ve yüksek verimliliğine odaklanmaktadır. Açık kaynaklı çerçeve olan YOLOv3 ve YOLOv7 kullanarak ile veri tabanı GTSDB (Alman Trafik İşareti Algılama Kıyaslaması) iki model oluşturuldu ve sırasıyla YOLOv7 97.3% ve YOLOv3 99.46% başarım değerleri elde edilmiştir. Trafik işaretlerini sınıflandırabilecek bir model elde etmek ve bu trafik işaretlerinden en kritiklerini öğrenip tanımlamak için bir derin evrişim sinir ağı algoritması önerilmiştir.