Hier wurde ein neuronales Netz aufgestellt, mit dem deutsche Verkehrszeichen klassifiziert werden können. Für das Training wurde manuell Image Augmentation eingeführt, um den Datensatz zu erweitern. Anschließend wurde ein eigenes CNN aufgebaut, trainiert und an dem Testdatensatz getestet. Eine genauere Beschreibung findet sich weiter unten.
Für das Training wird ein Datensatz mit insgesamt ca. 52.000 Bildern verwendet. Die Bilder liegen bereits in einem quadratischen Format von 32x32 Pixeln vor und haben eine Tiefe von 3. Insgesamt gibt es 43 verschiedene Verkehrszeichen in dem Datensatz. Für das weitere Vorgehen wird dieser in einen Trainings-, einen Validierung- und einen Testdatensatz aufgespalten.
Bevor die Trainingsbilder zum Trainieren der Gewichte genutzt werden, werden sie bearbeitet. Dies beinhaltet das Umwandeln in Graustufen, das zufällige Spiegeln, das Umwandeln in einen anderen Farbraum sowie das Normalisieren. Diese veränderten Bilder werden dem originalen Trainingsdatensatz angehangen, um mehr Trainingsbilder zu erhalten. Nach Aktualisieren des Trainigsdatensatzes liegen nun 278.392 Bilder vor.
Als Architektur wird für das neuronale Netz ein LeNet von Grund auf implementiert. Es wird mit einer Batch Größe von 128 über 50 Epochen trainiert. Nach Abschluss des Trainings kann eine Genauigkeit beim Trainingsdatensatz von 93,4 Prozent und beim Validierungsdatensatz eine Genauigkeit von 98,8% erreicht werden.
Das fertige Modell wird an Bildern des Testdatensatzes und an neuen Bildern aus dem Internet getestet. Zusätzlich können mit Hilfe der Softmax Funktion zu jeder Prädiktion die 5 wahrscheinlichsten Klassen ausgegeben werden.
Die an dieser Stelle vorgesehenen Inhalte können aufgrund Ihrer aktuellen Cookie-Einstellungen nicht angezeigt werden.
Diese Webseite bietet möglicherweise Inhalte oder Funktionalitäten an, die von Drittanbietern eigenverantwortlich zur Verfügung gestellt werden. Diese Drittanbieter können eigene Cookies setzen, z.B. um die Nutzeraktivität zu verfolgen oder ihre Angebote zu personalisieren und zu optimieren.
Diese Webseite verwendet Cookies, um Besuchern ein optimales Nutzererlebnis zu bieten. Bestimmte Inhalte von Drittanbietern werden nur angezeigt, wenn die entsprechende Option aktiviert ist. Die Datenverarbeitung kann dann auch in einem Drittland erfolgen. Weitere Informationen hierzu in der Datenschutzerklärung.