В данной работе представлен пример использования метода глубокого обучения для обнаружения и распознавания дорожных знаков с помощью метода Mask R-CNN. Как часть исследования рассматривается современное состояние проблемы обнаружения и распознавания объектов (в частности, дорожных знаков) и ее решение с помощью методов глубокого обучения. Также проанализированы основные современные подходы к решению данной задачи, основанные на использовании сверточных сетей. По итогам проведенного исследования были сформированы требования к системе, определены ключевые метрики и инструменты для разработки. Программная реализация системы обнаружения и распознавания дорожных знаков, основанная на методе Mask R-CNN, показала хороший результат для метрики mAp во время тестирования. Проведенный анализ полученных результатов дал возможность выдвинуть предложения, реализация которых может улучшить качество распознавания.

This work presents an example of using the deep learning techniques for the traffic sign detection and recognition with the help of the Mask R-CNN method. The first part of the research considered the current state of the problem of object detection and recognition (especially, traffic signs) and the possibility of using deep learning methods for this task. The main modern approaches to solve this problem, grounded in the use of convolutional networks, were also analyzed. Based on the results of the research, the requirements for the system were formed, key metrics and tools for development were identified. The software implementation of the traffic sign detection and recognition system, relying on the Mask R-CNN method, showed a good result from the mAp metric perspective during testing. The analysis of the results made it possible to put forward proposals, the implementation of which can improve the quality of recognition.

• Обнаружение и распознавание дорожных знаков с помощью методов глубокого обучения
  • Введение
  • 1. Анализ проблем обнаружения и распознавания дорожных знаков и поста­новка задачи работы
  • 2. Анализ методов глубокого обучения для решения задачи обнаружения и распознавания дорожных знаков
  • 3. Проектирование и программная реализация системы обнаружения и распознавания дорожных знаков
  • 4. Исследование системы
  • Заключение
  • Список сокращений и условных обозначений
  • Список использованных источников
  • Приложение 1. Примеры изображений
  • Приложение 2. Исходный код класса для описания входных данных
  • Приложение 3. Исходный код для изменения размера изображения
  • Приложение 4. Исходный код для генерации наборов данных
  • Приложение 5. Конфигурация модели для задачи обучения
  • Приложение 6. Конфигурация модели для задачи тестирования
  • Приложение 7. Точность распознавания