ПОСТРОЕНИЕ И ОЦЕНКА НЕЙРОСЕТЕВОЙ МОДЕЛИ РАСПОЗНАВАНИЯ ДОРОЖНЫХ ОБЪЕКТОВ

Аннотация

Целью исследования является решение задачи распознавания дорожных объектов с помощью нейросетевой модели. Для решения задачи обоснована целесообразность использования сверточных нейронных сетей, архитектура которых включает в себя операцию свертки. Для построения модели использован набор данных из сети Интернет, представляющий собой изображения следующих дорожных объектов: дорожные знаки, дорожная разметка, светофоры. Для построения модели выбраны инструментальные средства: язык программирования и среда разработки IDLE. При написании программного кода выбраны библиотеки: Open CV, Python Imaging Library, Tensorflow, Keras, Pandas, Sklearn, Matplotlib. В результате анализа существующих архитектур нейронных сетей для построения модели выбрана архитектура LeNet. В архитектуре использованы две функции активации: Relu и Softmax. Построенная модель состоит из четырех слоев свертки, двух слоев подвыборки и двух полносвязных слоев. В этом слое используются три нейрона, которые относятся к классам дорожных объектов. Модель обучалась в течение 15 эпох. На собственной выборке данных, состоящей из 190 изображений, собранных на городских дорогах г. Казани с учетом различных факторов (сезонные и временные условия), проводилось тестирование модели. Точность распознавания дорожных объектов на обучающей выборке данных составила 91,44%, на тестовом наборе данных - 92%, что подтверждает адекватность построенной модели. Для оценки построенной модели спроектирована матрица ошибок, рассчитаны значения метрик precision, recall и f1-score. В перспективе, планируется построение других видов моделей, расширение набора данных, а также разработка мобильного приложения для автоматического распознавания дорожных объектов.