Проектування системи розпізнавання дорожніх знаків засобами нейромережевих технологій
Автор: Гурей Назар Романович
Кваліфікаційний рівень: магістр
Спеціальність: Системне проектування
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2024-2025 н.р.
Мова захисту: українська
Анотація: Гурей Н.Р., Белей О.І. Розпізнавання дорожніх знаків за допомогою машинного навчання. Магістерська кваліфікаційна робота. – Національний університет «Львівська політехніка», Львів, 2024 р. Розширена анотація У роботі розглянуто питання розпізнавання дорожніх знаків за допомогою методів машинного навчання. Це завдання є важливим у контексті розвитку автономних транспортних систем, які потребують ефективних рішень для забезпечення безпеки на дорогах. Актуальність дослідження. З огляду на зростання популярності автономних автомобілів та потребу в автоматизації дорожніх процесів, створення систем для ідентифікації дорожніх знаків є важливим завданням. Це сприятиме зниженню кількості дорожньо-транспортних пригод через людський фактор та покращенню інтеграції автономних транспортних засобів у дорожню інфраструктуру. Об’єктом дослідження є процеси виявлення та класифікації дорожніх знаків. Предмет дослідження - алгоритми машинного навчання та їх застосування для обробки та аналізу візуальних даних. Метою дослідження є розробка моделі машинного навчання для розпізнавання дорожніх знаків, яка забезпечує високу точність та ефективність, адаптуючись до різних умов освітлення та якості зображень. Методи дослідження. У роботі використовуються згорткові нейронні мережі (CNN), які забезпечують автоматичне виділення ознак із зображень. Підготовка даних здійснюється за допомогою бібліотек машинного навчання та попередньої обробки, таких як TensorFlow, OpenCV і Pillow. Результати дослідження: Проведено аналіз існуючих алгоритмів розпізнавання дорожніх знаків. Розроблено модель CNN для класифікації дорожніх знаків із використанням датасету RTSID. Виконано обробку даних, зокрема трансформацію зображень, щоб підвищити точність моделі в умовах поганої якості зображень. Оцінено продуктивність моделі за допомогою метрик ефективності, таких як точність, Recall та Precision. Результати роботи показали, що розроблена система здатна розпізнавати дорожні знаки з високою точністю, що робить її придатною для впровадження в системи допомоги водіям та автономні транспортні засоби. Ключові слова - машинне навчання, розпізнавання дорожніх знаків, згорткові нейронні мережі, комп’ютерний зір, автономні системи.