التعرف على إشارات المرور في بيئة الطريق الفعلية - كشف نقاط الأهداف بشبكة
عصبية مدربة ذاتيًا
فيديو تعليمي 42 - تدريب شبكة عصبية للكشف عن الأهداف: إشارات المرور في بيئة الطريق الفعلية: https://singtown.com/learn/50918/
الكود والنموذج ومجموعة البيانات كلها موجودة في: https://github.com/SingTown/Traffic-Sign-FOMO
الخطوات باللغة الصينية: https://github.com/SingTown/Traffic-Sign-FOMO/blob/main/README-CN.md
تم تدريب نموذجين بشكل إجمالي
النموذج الأول: كانت الدقة أثناء التدريب 128×128، باستخدام التعلم النقلي (transfer learning) بنموذج MobilNetV2 0.35، بدرجة S1 Score بلغت 92%، ومعدل إطارات تشغيل حوالي 9 إطارات، ولا يمكن تشغيله إلا على OpenMV4 Plus. (لا تملك OpenMV4 ذاكرة كافية)
النموذج الثاني: دقة 96×96 أثناء التدريب، باستخدام التعلم النقلي بنموذج MobilNetV2 0.35، بدرجة S1 Score بلغت 91%، ومعدل إطارات تشغيل حوالي 12 إطارًا، وذروة استخدام الذاكرة العشوائية (RAM) 244 كيلوبايت، ويمكن تشغيله على OpenMV4 وOpenMV4 Plus.
موقع EdgeImpulse للتدريب عبر الإنترنت، شريك OpenMV: https://www.edgeimpulse.com/
ملاحظة:
- يوجد نموذجان إجمالاً. إذا كنت تستخدم OpenMV4، فيمكنك فقط استخدام هذا النموذج الصغير المدرَّب بدقة 96×96. أما Plus فيمكنه استخدام كلا النموذجين.
- تحتوي مجموعة البيانات على خمسة مجلدات، تشمل "ممنوع الوقوف x"، و"ممنوع التنبيه n"، و"حد السرعة 80"، و"ممنوع الدخول-"، و"صور الاختبار". في النموذج الفعلي والدرس التعليمي، استخدمنا فقط "ممنوع الوقوف x"، و"ممنوع التنبيه n"، و"حد السرعة 80"، و"صور الاختبار". لا توجد مجموعة بيانات معنونة ومدرَّبة لـ "ممنوع الدخول-". يمكنك اختيار ما إذا كنت تريد تصنيف وتدريب "ممنوع الدخول-" أم لا.
- لقد وسمت فقط الأهداف الثلاثة: "ممنوع الوقوف x"، و"ممنوع التنبيه n"، و"حد السرعة 80". لم أقم بتصنيف وتدريب اللافتات الأخرى في مجموعة البيانات (مثل حد السرعة 60، حد السرعة 30، ممنوع الدخول، إلخ). قد يتم التعرف الخاطئ على اللافتات المتشابهة جدًا، مثل حد السرعة 80 وحد السرعة 60. يمكنك أيضًا إضافة تصنيفات وتدريب أهداف جديدة، مثل حد السرعة 60، إلخ.
- شكر وتقدير - مصدر مجموعة بيانات إشارات المرور الفعلية على الطرق في الصين (معهد الأتمتة، الأكاديمية الصينية للعلوم): http://www.nlpr.ia.ac.cn/pal/trafficdata/detection.html