Identificación de señales de limitación de velocidad usando redes neuronales

Abstract

El Trabajo de Fin de Grado que presento a continuación se basa en el estudio y aplicación práctica de técnicas de Aprendizaje Profundo (Deep Learning) con el objetivo de desarrollar un sistema de reconocimiento automático de señales de limitación de velocidad. Este podrá actuar junto con otros sistemas de ayuda a la conducción, también conocidos como ADAS (Advanced Driver Assistance Systems), para garantizar la seguridad en las carreteras. El objetivo del proyecto será crear un clasificador de imágenes a partir de técnicas de aprendizaje supervisado, en concreto, mediante el entrenamiento de Redes Neuronales Convolucionales. Para llevarlo a cabo haremos uso de diversas aplicaciones ofrecidas por la plataforma Matlab y de una base de datos creada a partir de imágenes tomadas durante la conducción. Se realizará un trabajo previo de detección de señales y, posteriormente, se entrenará el modelo con la técnica de transferencia de aprendizaje. Esta técnica hace uso de una red previamente entrenada con una base de datos general, para especializarse en tareas más específicas utilizando una base de datos considerablemente más pequeña. Se debe destacar la importancia que tienen el diseño de la arquitectura de la red y la elección de un conjunto de datos apropiado al problema para garantizar el buen funcionamiento del sistema. Al final del proyecto, quedará demostrada la viabilidad del Sistema de Reconocimiento Automático de Señales haciendo uso de una Red Neuronal Convolucional.

The Thesis presented in the following lines is based on the study and practical application of Deep Learning techniques with the aim of developing a system capable of automatically recognizing speed limit signs. What is more, this system will be able to work with other driving assistance systems, also known as ADAS (Advanced Driver Assistance Systems), to ensure safety on the roads. The aim of the project is to create an image classifier based on supervised learning techniques, specifically, by training Convolutional Neuronal Networks (CNN’s). In order to accomplish this, we will use different applications offered by Matlab and a database composed by images taken while driving. First, a previous work of sign detection will be carried out. After which, the model will be trained using the transfer learning technique. It uses a previously trained network with a general database, to specialize in more specific tasks using a substantially smaller database. To ensure the proper functioning of the system, we should highlight the importance of choosing an appropriated design of the networks architecture and dataset for the problem. By the end of the project, the feasibility of the Automatic Sign Recognition System using a Convolutional Neuronal Network will be demonstrated.