- Darknet, YOLOv4-Tiny; tanıma ve 4 üst sınıfa ayırma
- CNN; sınıflandırma
- Optik karakter tanıma(OCR)
- Adversarial attack
- GTSDB,GTSRB Fırat Üniversitesi Trafik İşaretleri veri setleri
Önerilen model temel olarak iki ana başlıktan oluşmaktadır.
- YOLO ile tespit ve üst sınıflandırma
- CNN ile sınıflandırma
Böylece hem YOLO’nun hızlı tespit ve göreceli iyi sınıflandırma yetisinden yararlanılmış hem de son bir CNN katmanı kullanılarak daha doğru sınıflandırma sonuçlarına erişme garantilenmiştir.
Modelin YOLO ile eğitilen kısmı veriyi 4 üst kategoriye ayırır ve CNN 43 kategoriye tanır. Ek olarak veri setindeki 43 alt sınıfa uymayan trafik işaretleri ve yol tabelaları için Optik Karakter Tanıma (OCR) yöntemi ile metin algılama özelliği eklenmiştir.
Ayrıca modelin başarımını çeşitli dış etkenlere karşı modeli güçlendirmek için Adversarial Attack yöntemi kullanılmıştır.
Proje Danışmanı: Dr. Öğretim Üyesi Nilgün Güler Bayazıt
Şencan, Çağatay
Öztürk, Gizem
Ocak 2022