Clasificación automática de señales de tráfico basada en Deep Learning

Abstract

Las tecnologías que conforman la Inteligencia Artificial, como el Deep Learning han tomado mucha relevancia en diversos sectores a lo largo de los últimos años. Uno de los sectores más influenciados por estas tecnologías ha sido el de la conducción autónoma. Este Trabajo de Fin de Grado se encuentra en el ámbito del Deep Learning y la conducción autónoma, y tratará de resolver uno de los aspectos más importantes cuando se habla de un coche autónomo, es decir, la clasificación de señales de tráfico. El objetivo del proyecto será la creación de diferentes modelos basados en el Aprendizaje Profundo, en concreto, en redes neuronales convolucionales. Para llevar a cabo el modelo se utilizará el lenguaje de programación Python y la base de datos GTSRB, que es una base de datos de 43 tipos diferentes de señales de tráfico alemanas. Después de crear las estructuras de los modelos, se entrenarán y compararán los resultados obtenidos. Una vez analizados y comprados los resultados, se consigue una precisión superior al 90% en los diferentes experimentos realizados para la clasificación de las señales de tráfico.

The technologies that make up Artificial Intelligence, such as Deep Learning, have become very important in a lot of sectors over the last few years. One of the most influenced by these technologies has been autonomous driving. This Final Degree Work is in the field of Deep Learning and autonomous driving and will try to solve one of the most important things when talking about an autonomous car, that is, the traffic sign classification. The aim of this project will be the creation of different models based on Deep Learning, specifically on convolutional neural networks. The Python programming language and the GTSRB database which is a database of 43 different types of German traffic signs, will be used to create the model. When the model structures have been created, the results achieved will be trained and compared. Once the results have been analysed and compared, an accuracy of more than 90% is achieved in the different experiments for the traffic sign classification.