Diseño y entrenamiento de una red neuronal para el reconocimiento de imágenes de señales de tráfico

Abstract

El reconocimiento de señales de tráfico es una tecnología de seguridad vial basada en visión artificial que está presente en cada vez más vehículos, de manera que sean capaces de identificar estas señales durante la circulación. Actualmente, existen muchos sistemas comerciales de reconocimiento de señales de tráfico, pero solamente son capaces de reconocer un conjunto limitado de señales. Sin embargo, existen conjuntos de datos con imágenes de muchas más señales de tráfico, por lo que se pueden crear modelos que sean más versátiles y robustos en esta tarea. En este proyecto, se persigue diseñar y entrenar un modelo basado en redes neuronales profundas que sea capaz de reconocer y, por tanto, de clasificar imágenes de diversas señales de tráfico. Para ello, se programarán y probarán tres arquitecturas de redes neuronales convolucionales, se compararán los resultados obtenidos y se analizarán las métricas extraídas de cada una de ellas para comprobar cuál ofrece mejor rendimiento para esta tarea.

Traffic sign recognition is a road safety technology based on computer vision that is present in more and more vehicles, so that they are capable of identifying these signs while driving. Currently, there are many commercial traffic sign recognition systems, but they are only capable of recognizing a limited set of signs. However, there are datasets with images of many more traffic signs, so models that are more versatile and robust in this task can be created. This project aims to design and train a model based on deep neural networks that is capable of recognizing and, therefore, classifying images of various traffic signs. To do this, three convolutional neural network architectures will be programmed and tested, the results obtained will be compared and the metrics extracted from each of them will be analyzed to check which one offers the best performance for this task.