Fast-tracking application for Traffic Signs Recognition

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989592%3A15310%2F18%3A73587378" target="_blank" >RIV/61989592:15310/18:73587378 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/content/pdf/10.1007%2F978-3-030-00692-1_34.pdf" target="_blank" >https://link.springer.com/content/pdf/10.1007%2F978-3-030-00692-1_34.pdf</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-030-00692-1_34" target="_blank" >10.1007/978-3-030-00692-1_34</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Fast-tracking application for Traffic Signs Recognition

Popis výsledku v původním jazyce

Traffic sign recognition is among the major tasks on driver assistance system. The convolutional neural networks (CNN) play an important role to find a good accuracy of traffic sign recognition in order to limit the dangerous acts of the driver and to respect the road laws. The accuracy of the Detection and Classification determines how powerful of the technique used is. Whereas SSD Multibox (Single Shot MultiBox Detector) is an approach based on convolutional neural networks paradigm, it is adopted in this paper, firstly because we can rely on it for the real-time applications, this approach runs on 59 FPS (frame per second). Secondly, in order to optimize difficulties in multiple layers of DeeperCNN to provide a finer accuracy. Moreover, our experiment on German traffic sign recognition benchmark (GTSRB) demonstrated that the proposed approach could achieve competitive results (83.2% in 140.000 learning steps) using GPU parallel system and Tensorflow.

Název v anglickém jazyce

Fast-tracking application for Traffic Signs Recognition

Popis výsledku anglicky

Traffic sign recognition is among the major tasks on driver assistance system. The convolutional neural networks (CNN) play an important role to find a good accuracy of traffic sign recognition in order to limit the dangerous acts of the driver and to respect the road laws. The accuracy of the Detection and Classification determines how powerful of the technique used is. Whereas SSD Multibox (Single Shot MultiBox Detector) is an approach based on convolutional neural networks paradigm, it is adopted in this paper, firstly because we can rely on it for the real-time applications, this approach runs on 59 FPS (frame per second). Secondly, in order to optimize difficulties in multiple layers of DeeperCNN to provide a finer accuracy. Moreover, our experiment on German traffic sign recognition benchmark (GTSRB) demonstrated that the proposed approach could achieve competitive results (83.2% in 140.000 learning steps) using GPU parallel system and Tensorflow.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/EE2.3.20.0170" target="_blank" >EE2.3.20.0170: Budování výzkumně-vzdělávacího týmu v oblasti modelování přírodních jevů a využití geoinformačních systémů, s vazbou na zapojení do mezinárodních sítí a programů.</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2018

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Lecture Notes in Computer Science - Proceedings of the International Conference on Computer Vision and Graphics ICCVG 2018

ISBN

978-3-030-00692-1

ISSN

—

e-ISSN

neuvedeno

Počet stran výsledku

12

Strana od-do

385-396

Název nakladatele

Springer

Místo vydání

Heidelberg

Místo konání akce

Warszawa

Datum konání akce

17. 9. 2018

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—