Transfer learning based hybrid 2D-3D CNN for traffic sign recognition and semantic road detection applied in advanced driver assistance systems

2020 ◽  
Vol 51 (1) ◽  
pp. 124-142 ◽  
Author(s):  
Khaled Bayoudh ◽  
Fayçal Hamdaoui ◽  
Abdellatif Mtibaa
Keyword(s):  
Transfer Learning ◽  
Traffic Sign Recognition ◽  
Driver Assistance ◽  
Road Detection ◽  
Driver Assistance Systems ◽  
Traffic Sign ◽  
Advanced Driver Assistance Systems ◽  
Sign Recognition ◽  
Assistance Systems ◽  
3D Cnn

scholarly journals Sistema de Multicamadas para Detecção de Placas Sinalizadoras em Tempo Real

2018 ◽  
Vol 3 (2) ◽  
Author(s):  
Byron Leite Dantas Bezerra ◽  
Renan Freitas Leite ◽  
Bruno José Torres Fernandes
Keyword(s):  
Driver Assistance ◽  
Driver Assistance Systems ◽  
Traffic Sign ◽  
Advanced Driver Assistance Systems ◽  
Sign Detection ◽  
Assistance Systems ◽  
Traffic Sign Detection

O desenvolvimento de sistemas de assistência ao condutor (ADAS, Advanced Driver Assistance Systems) originou uma demanda de técnicas de detecção de placas sinalizadoras em imagens digitais, que estão se tornando cada vez mais robustas. Porém, essas técnicas necessitam de muito recurso computacional para serem executadas em tempo real (30 quadros por segundo). Neste artigo, é apresentado um sistema de detecção de placas sinalizadoras capturadas por câmeras digitais. O modelo proposto consiste de 2 fases de detecção, com o objetivo de juntar técnicas de busca e extração de características, que utilizam o menor custo computacional possível. O modelo possui uma taxa de acurácia acima de 90% na base de dados GTSDB (German Traffic Sign Detection Benchmark) assim como os melhores modelos do estado da arte, porém possui um menor tempo de resposta. Por fim, o sistema foi testado em um ambiente real, por meio de uma câmera digital.

Advanced driver assistance systems: Using multimodal redundant warnings to enhance road safety

2017 ◽  
Vol 58 ◽  
pp. 238-244 ◽  
Author(s):  
Francesco Biondi ◽  
David L. Strayer ◽  
Riccardo Rossi ◽  
Massimiliano Gastaldi ◽  
Claudio Mulatti
Keyword(s):  
Road Safety ◽  
Driver Assistance ◽  
Driver Assistance Systems ◽  
Advanced Driver Assistance Systems ◽  
Assistance Systems

MỘT PHƯƠNG PHÁP PHÁT HIỆN ĐIỂM MÙ VỚI ĐỘ TIN CẬY CAO VÀ THỜI GIAN THỰC CHO CÁC HỆ THỐNG HỖ TRỢ LÁI XE THÔNG MINH

2020 ◽  
pp. 47-58
Author(s):  
Sơn
Keyword(s):  
Region Of Interest ◽  
Driver Assistance ◽  
Driver Assistance Systems ◽  
Advanced Driver Assistance Systems ◽  
Assistance Systems

Các hệ thống hỗ trợ lái xe tiên tiến (Advanced Driver Assistance Systems: ADAS) đóng một vai trò quan trọng trong hệ thống an toàn chủ động chỉ có camera và các phương tiện tự động thông minh. Đối với các ứng dụng này, các yêu cầu về hiệu suất phát hiện đáng tin cậy và thời gian thực là các yếu tố cấp thiết. Bài báo này đề xuất giải pháp tối ưu tốc độ phát hiện ô tô và giảm các cảnh báo lỗi cho các hệ thống phát hiện điểm mù. Theo đó, trước tiên chúng tôi đề xuất bộ phân tầng Cascade – AdaBoost cùng với tập dữ liệu mẫu và thuật toán đào tạo của chúng tôi. Ngoài ra, để cải thiện tốc độ phát hiện, một kĩ thuật lựa chọn vùng quan tâm (Region of Interest: ROI) cũng được sử dụng để tránh trích xuất các vùng có khả năng tạo ra các cảnh báo lỗi như là bầu trời hoặc các vùng không phù hợp với phối cảnh. Phương pháp đề xuất đã tăng tốc độ phát hiện lên ít nhất 1,9 lần và giảm cảnh báo lỗi 2,24 lần so với phương pháp truyền thống ở các ảnh có độ phân giải cao (720 x 480) với tỷ lệ phát hiện đạt 99,4% và tỷ lệ cảnh báo lỗi nhỏ là 4,08%. Phương pháp đề xuất này có thể được ứng dụng cho các xe tự hành thông minh thời gian thực.

Sign in / Sign up

Export Citation Format

Share Document