Traffic Sign Classification Using Deep Learning Based Convolutional Neural Networks
| المصدر: | مجلة جامعة الزيتونة |
|---|---|
| الناشر: | جامعة الزيتونة |
| المؤلف الرئيسي: | Abougarair, Ahmed Jaber (Author) |
| مؤلفين آخرين: | Nasser, Nagmden Miled (Co-Author) , Oun, Abdulhamid A. (Co-Author) |
| المجلد/العدد: | ع42 |
| محكمة: | نعم |
| الدولة: |
ليبيا |
| التاريخ الميلادي: |
2022
|
| الشهر: | يونيو |
| الصفحات: | 306 - 326 |
| DOI: |
10.35778/1742-000-042-017 |
| ISSN: |
2523-1006 |
| رقم MD: | 1299126 |
| نوع المحتوى: | بحوث ومقالات |
| اللغة: | الإنجليزية |
| قواعد المعلومات: | EduSearch, EcoLink, IslamicInfo, HumanIndex |
| مواضيع: | |
| كلمات المؤلف المفتاحية: |
DNN | Deep Learning | ITS | Machine Learning
|
| رابط المحتوى: |
عدد مرات التحميل
17
| المستخلص: |
تحتوي إشارات المرور على معلومات مهمة عن حركة المرور على الطرق وتعتبر حجر الزاوية لأنظمة المرور لأنها تضمن سلامة الطريق لكل من المشاة والسائقين. يعتبر تصنيف إشارات المرور جزءا مهما في تشغيل أنظمة مساعدة السائق المتقدمة والمركبات المستقلة وأنظمة النقل الذكية. يساعد تصنيف إشارات المرور على تقليل عدد حوادث الطرق والقرارات الخاطئة التي يتخذها السائقون ويساعد على تعزيز مصداقية المركبات ذاتية القيادة. في هذا الورقة، تم تصميم نظام لغرض تصنيف إشارات المرور باستخدام الكمبيوتر وبالتحديد تم استخدم كلا من النظام التعلم العميق (Deep Learning) والشبكات العصبية (Convolution Neural Networks). اعتمد النموذج المقترح على نسخة من نموذج في VGG16 وAdam optimization وتم استخدام Google Colaboratory أثناء التدريب لأنه يوفر استخدام الأجهزة الافتراضية مع وحدات معالجة الرسومات التي تساعد في تسريع عملية التدريب بشكل كبير. تظهر نتائج المحاكاة أن النموذج المقترح تم تنفيذه بطريقة ممتازة، حيث وصل إلى قيم قياس تقييم تزيد عن 97% مما يؤكد مدى فعالية استخدام تقنية التعليم العميق والشبكات العصبية الصناعية لتصنيف الإشارات المختلقة واتخاذ القرارات الصحيحة. Traffic sign classification is a challenging computer vision task of high industrial relevance. Traffic signs contain important road traffic information and are considered the cornerstone of traffic systems as they ensure road safety for both pedestrians and drivers. Traffic sign classification is considered a crucial part in the operation of advanced driver assistance systems, autonomous vehicles, and intelligent transportation systems. Traffic sign classification helps reduce the number of road accidents and wrong decisions made by drivers and helps foster the credibility of autonomous vehicles. In this paper, a computer-aided recognition system was designed for the purpose of traffic sign classification. The system used deep learning, specifically, convolutional neural networks. The proposed model was based on a reduced version of the VGG16 model while integrating batch normalization, dropout and Adam optimization, Google Colaboratory was used during training as it offers the use of virtual machines with GPUs that help speed up the training process immensely. Simulation results show that the proposed model performed in an excellent manner, reaching evaluation metric values of above 97%. |
|---|---|
| ISSN: |
2523-1006 |
عناصر مشابهة
-
Traffic Signs Classification under Challenging Conditions Using Deep Neural Network
بواسطة: أبو شقرة، غادة عبدالرحيم خليل منشور: (2020) -
Automatic Classification of Sleep Stages Using EEG Signals and Convolutional Neural Networks
بواسطة: أبو قازان، شروق نايف منشور: (2021) -
Image Classification with Deep Convolutional Neural Network Using Tensorflow and Transfer of Learning
بواسطة: علي، أسيل سامي منشور: (2020) -
TRAFFIC SIGN DETECTION AND RECOGNITION IN COLOR IMAGES
بواسطة: Shadeed, Waseem G. T. منشور: (2004) -
Medical Image Classification with Convolutional Neural Network
بواسطة: Naimi, Mohamed Chouaib منشور: (2021)
