Sistema de detecció i classificació de senyals de trànsit basat en YOLO

Abstract

Aquest és un treball enfocat a entendre el funcionament de les xarxes neuronals i les seves aplicacions en el camp de la visió artificial. Conèixer en detall com un model, prèviament entrenat, pot detectar i classificar elements d’una imatge de manera precisa i eficient. Amb aquesta finalitat, s’avaluarà els resultats obtinguts d’un sistema de detecció i classificació de senyals de trànsit. La investigació es dirigeix a explorar com un model de xarxa neuronal convolucional pot extreure informació rellevant d’una imatge per reconèixer objectes i assignar-los a una classe específica. Això inclou tant la comprensió de les tècniques bàsiques de les xarxes neuronals com les arquitectures més avançades, les xarxes convolucionals, que són fonamentals per garantir l'eficàcia dels sistemes de detecció. L’algorisme amb el qual treballarem és el YOLO (You Only Look Once), conegut per la seva capacitat de realitzar detecció multiclasse en temps real. Es realitzarà una sèrie d’experiments per tal de posar en pràctica els coneixements adquirits, utilitzant dos conjunts de dades d’imatges de senyals de trànsit, un corresponent a Europa i l’altre únicament d’Alemanya. Finalment, intentarem millorar i avaluar els resultats obtinguts a través d’estratègies com el fine-tuning i l’anàlisi de les mètriques obtingudes com la corba ROC, precisió i recall, entre d'altres.

The main focus of this assignment is the understanding of how neural networks work and their applications in the field of computer vision. Specifically, it aims to explore in detail how a pre-trained model can accurately and efficiently detect and classify elements within an image. For this purpose, we will evaluate the results obtained from a traffic sign detection and classification system. The research seeks to investigate how a convolutional neural network model can extract relevant information from an image to recognize objects and assign them to a specific class. This includes understanding both the fundamental techniques of neural networks and the more advanced architectures, such as CNNs, which are critical to ensuring the effectiveness of detection systems. The algorithm we will work with is YOLO (You Only Look Once), known for its ability to perform multi-class detection in real time. A series of experiments will be conducted to apply the knowledge acquired, using two datasets of traffic sign images: one corresponding to Europe and the other exclusively from Germany. Finally, we will aim to improve and evaluate the results obtained through strategies such as fine-tuning and the analysis of metrics such as the ROC curve, precision, and recall, among others.