بازشناسی علائم راهنمایی و رانندگی با استفاده از شبکه عصبی موبایل نت

تشخیص علائم راهنمایی و رانندگی کاربرد‌های زیادی از جمله در اتومبیل های خودران و بدون راننده، نقشه‌برداری از ترافیک و کاهش تصادفات دارد.اخیرا، مدل‌های یادگیری عمیق به عنوان روشی که خود ویژگی‌های موثر را پیدا کرده و طبقه‌بندی را نیز انجام می‌دهد، برای تشخیص علائم راهنمایی و رانندگی استفاده می‌شوند.در این مقاله، با استفاده از شبکه عصبی کانولوشنال(cnn)، شبکه موبایل نت(mobilenetv2) که یک شبکه با تعداد پارامتر‌های کمتر و وزن کمتر نسبت به شبکه‌های دیگر از جمله الکس نت(alexnet) و گوگل نت(googlenet) می‌باشد و مجموعه داده علائم راهنمایی و رانندگی کشور آلمان(gtsrb) به عنوان پایگاه داده، روشی برای تشخیص علائم راهنمایی و رانندگی ارائه شده است. شبکه به دقت یادگیری 99.90 درصد و دقت بازشناسی 99.41 درصد رسیده است.