Программное средство распознавания дорожных знаков

1. «Программное средство распознавания дорожных знаков»

Министерство науки и высшего образования РФ
ФГБОУ ВО Пензенский государственный университет архитектуры и строительства
Институт цифрового управления
Кафедра информационно-вычислительных систем
ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА
НА ТЕМУ:
«ПРОГРАММНОЕ СРЕДСТВО РАСПОЗНАВАНИЯ ДОРОЖНЫХ
ЗНАКОВ»
Разработал: Янаев М. X. , гр. 21ИСТ2
Научный руководитель: зав. каф. ИВС, к.т.н, доцент Литвинская О.С.

2. Актуальность выпускной квалификационной работы

Объектом разработки является программное средство распознавания дорожных знаков,
предназначенное для идентификации 5 указателей.
Цель работы – разработка программного средства распознавания дорожных знаков,
предназначенное для идентификации 5 указателей и выполняющее следующие функции:
– обработка входных изображений и определение класса;
– выводить на экран результат классификации в виде текстовой информации, содержащей
наименование дорожного знака;
– средство должно идентифицировать 5 классов дорожных знаков.

3.

Предпроектные исследования
Альтернативные решения
Сравнительный анализ программ распознавания
Программа
Автодор
Алгоритм
Поддержива-
распознавания
емые знаки
Машинное
30+
обучение
Сигнал
Глубокое обучение
20+
Платформа
Примечание
Встраиваемая
Интеграция с
система
навигацией
Мобильные
Информация
приложения
знаках в реальном
о
времени
Дорога
Компьютерное
15
зрение
Встраиваемая
Обучение водителей
система, мобильные
приложения
Трафик
Классические
25+
методы + ML
Встраиваемая
Используется в
система
проектах по умным
городам
Знак
Нейронные сети
10+
Мобильные
Функции обучения и
приложения,
тестирования для
встраиваемые
водителей
системы

4. Техническое проектирование Архитектура программного средства

Клиент-серверная архитектура ИС
Файл-серверная архитектура ИС
Локальная архитектура ИС

5. Техническое проектирование Структура данных

Архитектура данных:
-входной слой: 64x64x3 (цветное изображение);
- сверточный слой 1: 32 фильтра 3x3, ReLU;
- пуллинг слой 1: максимальный пуллинг 2x2;
- сверточный слой 2: 64 фильтра 3x3, ReLU;
- пуллинг слой 2: максимальный пуллинг 2x2;
- полносвязный слой: 128 нейронов, ReLU;
- выходной слой: количеством нейронов, равным числу классов дорожных знаков, Softmax
Структура нейросетевой модели распознавания
знаков дорожного движения

6. Техническое проектирование Разработка алгоритмов работы программного средства

7. Техническое проектирование Практическая разработка программного средства

Загрузка данных
Входные данные
Аугментация данных

8. Техническое проектирование Практическая разработка программного средства

Сохранение модели
Обучение модели
Классификация изображения

9. Техническое проектирование Практическая разработка программного средства

Создание графического интерфейса
Результат работы программы

10. Спасибо за внимание! Доклад окончен.