Traffic sign recognition with machine learning methods

Trafik işareti tanıma otonom kontrol edilebilen araçlar için önemli bir konudur. Bu tip araçlara herhangi bir insan müdahalesi olmadığı için çevre hakkındaki bütün bilgiler kamera, uzaklık sensörü, RFID, sonar gibi sensörler ve GPS gibi sistemler aracılığıyla toplanır. Otonom araçlar için önemli ihtiyaçlardan biri de trafik işaretlerinin tanınmasıdır. Trafik işaretlerinin tanınması probleminin çözümü için önerilen ilk yöntemlerde, işaretlerin sınıflandırılması için gerekli öznitelikler görüntü işleme yöntemi ile çıkarılır ve sınıflandırma bu özniteliklerden faydalanılarak yapılırdı. Grafik İşlemci Birimlerinin (GPU) performanslarındaki büyük ve hızlı artışın etkisiyle öznitelik çıkarımı için derin öğrenme yöntemleri kullanılmaya başlanmıştır. KSA zorlu problemlerin çözümünde gösterdiği üstün performans sayesinde son yıllarda en çok kullanılan derin öğrenme yöntemlerinden biri olmuştur. Sürücüsüz araçlar için kritik olan trafik işaretlerinin tanınması probleminde de KSA ile yüksek başarımlar elde edilmiştir. Bu çalışmada trafik işaretlerinin sınıflara ayrılabilmesi için iki katmanlı hiyerarşik KSA yapısı önerilmiştir. Yapısal benzerlik indisi kullanılarak tasarlanan yapının ilk katmanında işaretler 4 ana gruba ayrılmıştır. Ardndan yapının ikinci katmanında ise her ana gruptaki işaretler KSA'lar ile alt sınıflara ayrılmıştır. Yapının performansı 43 sınıftan oluşan GTSRB veri seti üzerinde hesaplanmış, farklı benzerlik indisi kullanan hiyerarşik yapılar ve yazında önerilen diğer yöntemlerle karşılaştırılmıştır.