Détection Et Reconnaissance Des Panneaux De Signalisation Basé Sur L’apprentissage Profond

Abstract

يعد إكتشاف اشارات المرور و التعرف عليها مجالا للدراسة طالما أثار إهتمام الباحثين.حيث أن لمشكلة الكشف على اشارات المرور و التعرف عليها العديد من الحلول بإستخدام تقنيات مختلفة.أحد الحلول التي تم إستخدامها و تطويرها مؤخرا هو حيث )Machine Learning( و هو نوع من الذكاء الإصطناعي مشتق من التعلم الآلي )Deep Learning( التعلم العميق تكون الآلة قادرة على التعلم بنفسها و قد حققت نتائج ممتازة و دقة عالية في مختلف تطبيقات الرؤية الحاسوبية . والتي نحصل عليها (sdv data set) في هذا العمل، أجرينا إكتشاف اشارات المرور في صور المشاهد الطبيعية على مما يؤدي إلى تقليل حجمها مع المحافظة على )RGB original image( اي data set بمعالجة صور الأصلية ل لإكتشاف اشارات المرور و التعرف عليها حيث (yolo v خصائصها. بعد ذلك قمنا باستخدام خوارزمية معالجة الصور ( 5 data) رغم أننا اضطررننا إلى تقليل حجم (original dataset) جيدة جدا مقارنة ب (sdv data set) كانت نتائج من 50000 صورة إلى 10000 صورة بسبب قلة الموارد.he literature review has long studied the detection and recognition of traffic signs. To this end, Researchers proposed numerous solutions using different techniques. One of the recently developed solutions is the deep learning technique, a type of artificial intelligence derived from machine learning, where the machine is capable of learning independently and has achieved excellent results and high accuracy in various computer vision tasks. We detected traffic signs in natural scene images using the SDV dataset obtained by processing the original images of the dataset, which allowed us to reduce their size while preserving their relevant characteristics. Then, we used the YOLO v5 model to detect traffic signs in these images. The results were perfect compared to the original dataset, although we had to reduce the dataset size from 50,000 to 10,000 images due to resource constraints.