Trafik işaretlerinin derin öğrenme ile tespiti ve anlamlandırılması

Günümüzde sağlık, askeri, ekonomi ve üretim endüstrisi başta olmak üzere pek çok alanda kullanılan derin öğrenme uygulamaları yapay zekânın önemli bir alanını oluşturmaktadır. Otonom araç teknolojilerinin gelişiminde önemli bir payı bulunan nesne sınıflandırma ve nesne tanıma uygulamaları derin öğrenme çalışmalarının odak noktasını oluşturmaktadır. Hem araçlar hem de yayalar için güvenli sürüş noktasında derin öğrenme modellerine dayanan uygulamaların başarılı performanslar gösterdiği son yapılan çalışmalarda daha net olarak görülmektedir. Otonom sistemlerin güvenli sürüş için trafik işaretlerini yüksek doğruluk değerleri ile tanıması büyük önem taşımaktadır. Özellikle yaya geçidi, okul bölgesi, şehir içi hız limitleri en kritik trafik işaretleri arasında sayılabilir. Bu tez çalışmasında kendi imkânlarımızla elde ettiğimiz trafik işaretlerinden oluşan veri seti kullanılarak önemli nesne tanıma mimarilerinden olan faster R-CNN ile eğitimler gerçekleştirilmiştir. Çalışma neticesinde ortaya konan donanımsal modül sayesinde aracın sürücüsünü sesli ikazlar ile uyaran bir sistem geliştirilmiştir. Geliştirilen donanımsal modül hız limitlerinin yanı sıra yaya geçidi ve okul bölgesi gibi trafik işaretçilerini tespit ederek gerçek zamanlı olarak sürücüyü uyarabilmektedir. Ayrıca geliştirilen yazılım için Python dili kullanılırken, veri seti eğitimleri Tensorflow kütüphanesi kullanılarak gerçekleştirilmiştir. Çalışmanın otonom araç uygulamalarında trafik işaretlerinin tanınması noktasında bir katkı sağlayacağı düşünülmektedir.