Trafik işaretlerinin derin sinir ağları ile sınıflandırılması

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Atatürk Üniversitesi, Fen Bilimleri Enstitüsü, Elektrik Elektronik Mühendisliği Anabilim Dalı, Türkiye

Tezin Onay Tarihi: 2019

Tezin Dili: Türkçe

Öğrenci: BURCU TİRYAKİ

Danışman: Emin Argun Oral

Özet:

Bu tezde görüntü işleme uygulamalarında önemli bir yer alan ve akıllı araç tasarımının bir parçası olan trafik işaretlerinin sınıflandırılması gerçekleştirilmiştir. Sürücüler ve yayalar için önemli bilgiler taşıyan, uyarıcı niteliğinde olan ve trafiğin düzenli akışını sağlayan trafik işaretleri çoğu zaman sürücüler tarafından fark edilmez ve bunun sonucunda da çeşitli kazalar meydana gelir. Bu yüzden Sürücü Destek Sistemlerinin bir parçası olarak Trafik İşareti Tanıma kullanılmaktadır. Bu çalışmada 43 sınıftan oluşan ve toplam 39.209 eğitim, 12.630 test görüntüsü içeren German Traffic Sign Recognition Benchmark (GTSRB) veri seti kullanılmıştır. Derin öğrenme yöntemlerinden Konvolüsyonel Sinir Ağları (CNN) kullanılarak sınıflandırma işlemi gerçekleştirilmiştir. MATLAB için Konvolüsyonel Sinir Ağlarının bir uygulaması olan MatConvNet araç kutusu kullanılmış ve oluşturulan CNN mimarisi ile sınıflandırma işlemi sonucunda ortalama %94.56 oranında başarı elde edilmiştir. CNN mimarisine görüntüler üzerinde dönüşüm gerçekleştiren Mekansal Dönüşüm Ağları (STN) eklenerek yapılan sınıflandırmada ortalama %96.22 oranında doğruluk elde edilmiştir.