OsloMet | Høyskole og Universitet

Med økende interesse for selvkjørende kjøretøy, blir det stadig viktigere å utvikle avanserte teknologier for å sikre at disse kjøretøyene fungerer på en sikker og pålitelig måte. En av de viktigste utfordringene for autonome kjøretøy er å forstå og reagere på trafikktegn og -skilt. Dette inkluderer alt fra hastighetsskilt til veisperringer og skilt som angir svinger og fartsbegrensninger. Å kunne klassifisere disse skiltene på en nøyaktig måte er avgjørende for å sikre at selvkjørende kjøretøy oppfører seg på en sikker måte i trafikken. I dette prosjektet ble det anvendt avanserte arkitekturer innen Computer Vision som convolutional neural networks for å klassifisere bilder av trafikkskilt i en rekke definerte kategorier. Et større datasett på 86.000 bilder fordelt på 43 unike kategorier ble brukt til å trene opp en maskinlæringsmodell som klassifiserte trafikkskilt. Modellen oppnådde over 99,9% treffsikkerhet på et utvalg av 5 kategorier og omtrent 91% treffsikkerhet på alle 43 kategoriene.