Filters








1 Hit in 0.049 sec

Russian traffic sign images dataset

V. I. Shakhuro, A. S. Konushin
2016 Computer Optics  
Аннотация Представлена новая открытая база изображений дорожных знаков. База предназначена для обучения и тестирования алгоритмов распознавания дорожных знаков. Описывается структура и правила работы с базой, проводится сравнение с другими базами дорожных знаков. На базе проведена экспериментальная оценка современных алгоритмов выделения и классификации дорожных знаков, которая показала, что существующие алгоритмы распознавания большого класса знаков не достигают требуемой для ряда практических
more » ... я ряда практических приложений полноты и точности. Ключевые слова: база изображений дорожных знаков, классификация и выделение дорожных знаков, каскад слабых классификаторов, свёрточная нейронная сеть. Цитирование: Шахуро, В.И. Российская база изображений автодорожных знаков / В.И. Шахуро, А.С. Конушин // Компьютерная оптика. Введение Рассмотрим задачу распознавания автодорожных знаков на изображении. На вход алгоритму распознавания подаётся последовательность видеокадров. Выходом алгоритма являются прямоугольники, содержащие автодорожные знаки на кадрах и классы найденных знаков. Задача имеет несколько важных применений: 1) в системах помощи водителю (ADAS, Advanced Driver Assistance Systems); 2) при автоматическом составлении и пополнении навигационных карт; 3) в системах мониторинга знаков на дорогах для служб дорожного хозяйства. В данной работе рассматривается случай, когда искомый алгоритм распознавания работает независимо для каждого кадра, т.е. не использует информацию, полученную с соседних кадров. Тогда работу алгоритма распознавания можно разделить на два этапа: выделение и классификация. На первом этапе выделяются все знаки на кадре, на втором этапе найденные знаки классифицируются. Дорожный знакстандартизированный по размеру и внешнему виду объект. Несмотря на это, распознавание знаков на изображении остаётся сложной задачей по нескольким причинам: 1. Классов дорожных знаков много (156 в базе, представленной в данной работе), они сильно отличаются формой и рисунком. Существующие системы помощи водителю находят ограниченный набор классов (ограничение скорости, стоп, уступи дорогу, пешеходный переход), что упрощает задачу. 2. Для таких задач, как мониторинг дорог и построение карт, решение должно работать с полнотой, близкой к 100 % и 1 ложным обнаружением на минуту видеопотока. Такое количество ложных обнаружений достигается при точности более 90 %. 3. Для задачи системы помощи водителю решение должно работать в реальном времени. Дорожные знаки на изображении могут быть небольшого размера (от 16×16 пикселей), и для их выделения обычно строится многомасштабная пирамида изображения, в которой поиск производится ок-Российская база изображений автодорожных знаков Шахуро В.И., Конушин А.С. Компьютерная оптика, 2016, том 40, №2 295 Российская база изображений автодорожных знаков Шахуро В.И., Конушин А.С. Компьютерная оптика, 2016, том 40, №2 299 Сведения об авторах Шахуро Владислав Игоревич, 1993 года рождения, в 2015 году окончил МГУ имени М.В. Ломоносова. Аспирант НИУ Высшая школа экономики. Научные интересы: обработка изображений, компьютерное зрение, машинное обучение, программирование.
doi:10.18287/2412-6179-2016-40-2-294-300 fatcat:b6tseszsbfd63jczyvsvgrypb4