PHÁT HIỆN VÀ NHẬN DẠNG BIỂN BÁO GIAO THÔNG BẰNG YOLOv4 VÀ CNN

Abstract

Ngày nay, phát hiện và phân loại biển báo giao thông là nhiệm vụ rất quan trọng để xây dựng một chiếc xe tự lái thông minh hay để xây dựng các hệ thống hỗ trợ lái xe tiên tiến để cải thiện sự an toàn và mang lại cảm giác thoải mái cho ngƣời lái xe. Quan trọng hơn là các thuật toán phát hiện nhƣ vậy phải đƣợc triển khai trên các máy tính nhúng nhƣ trong xe ô tô. Tuy nhiên, đây là nhiệm vụ mang nhiều thách thức do sự phức tạp của các cảnh quang giao thông đƣờng bộ. Có hai nhiệm vụ chính cho bất kỳ hệ thống nhận dạng nào đó là phát hiện và phân loại, cả hai nhiệm vụ thƣờng đƣợc thực hiện với một mô hình phát hiện/phân loại duy nhất nhƣ YOLO hoặc SSD, trong đó các hình ảnh đầu vào sẽ đƣợc gán nhãn các bouding box (hộp giới hạn) và các lớp tƣơng ứng. Tuy nhiên, việc gán nhãn và đào tạo các bộ dữ liệu nhƣ vậy sẽ tốn nhiều thời gian và công sức. Do đó, trong luận văn này sẽ thực hiện mục tiêu chính đó là sử dụng tập dữ liệu Điểm chuẩn phát hiện biển báo giao thông Đức (GTSDB) đào tạo để phát hiện các lớp chính (các dấu hiệu phát hiện biển báo giao thông) và tích hợp với mạng nơron tích chập CNN để phân loại các đối tƣợng đƣợc phát hiện bằng cách sử dụng tập dữ liệu Điểm chuẩn nhận dạng biển báo giao thông Đức (GTSRB). Kết quả thực nghiệm cho thấy phƣơng pháp trong luận văn này có độ chính xác tƣơng đối cao 98.6%.