메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
박은수 (인하대학교) 장철용 (LG전자) 임병학 (인하대학교) 김학일 (인하대학교)
저널정보
제어로봇시스템학회 제어로봇시스템학회 논문지 제어로봇시스템학회 논문지 제23권 제6호
발행연도
2017.6
수록면
489 - 496 (8page)
DOI
10.5302/J.ICROS.2017.17.0049

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
This paper proposes a traffic sign recognition algorithm that is robust in various environments. Color information is an important element in the traffic sign recognition system, as the performance depends on variations in weather conditions, illumination, and type of cameras used. Besides the above factors, traffic signs also differ across countries. To overcome these problems, our approach involves traffic sign detection, classification, and tracking. In the detection module, color enhancement with maximally stable extremal regions is performed to improve the extracting candidate regions of traffic signs. Support vector machine classifiers with distance to border and histogram of oriented gradient feature vectors are used to detect the traffic signs. Detected traffic signs are thereby classified using convolutional neural networks with fine-tuning. Additionally, Kalman filter-based multi-target tracking not only verifies traffic sign detection but also optimizes the detection of regions of interest. The result of traffic sign detection is 95.67% when trained on the Belgium Traffic Signs Dataset for Detection (BTSD) training dataset and tested on the Germany Traffic Signs Detection Benchmark test dataset. Moreover, while using the BTSD training dataset, the area under the curve of our method is 89.56%. In classification, the performance of INHA Traffic Signs Classification is increased to 97.48% by adding transfer learning.
#Traffic Signs Recognition #Dataset bias #Convolutional Neural Networks #Transfer learning

목차

Abstract
I. 서론
II. 관련 연구
III. MSERs 기반 교통표지판 검출
IV. CNN 기반의 교통표지판 분류
V. 인식 영역 최적화
VI. 실험 및 평가
VII. 결론
REFERENCES

참고문헌 (23)

참고문헌 신청
S. Salti, A. Petrelli, F. Tombari, N. Fioraio, and L. Di Stefano, “Traffic sign detection via interest region extraction,” Pattern Recognition, vol. 48, no. 4, pp. 1035-1045, Apr. 2015. S. Maldonado-Bascon, S. Lafuente-Arroyo, P. Gil-Jimenez, H. Gomez-Moreno, and F. Lopez-Ferreras, “Road-Sign detection and recognition based on support vector machines,” Intelligent Transportation Systems IEEE Transactions on, vol. 8, no. 2, pp. 264-278, Jun. 2007. Y. Yang and F. Wu, “Towards real-time traffic sign detection and classification,” 17th Intelligent Transportation Systems IEEE Transactions on, pp. 87-92, Qingdao, China, Oct. 2014. G. Wang, G. Ren, Z. Wu, Y. Zhao, and L. Jiang, “A robust, coarse-to-fine traffic sign detection method,” 2013 Int. Jt. Conf. Neural Networks, Dallas, USA, pp. 1-5, Aug. 2013. J. Yosinski, J. Clune, Y. Bengio, and H. Lipson “How transferable are features in deep neural networks?,” arXiv: 1411.1792, Nov. 2014.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

CNN을 활용한 영상 기반의 화재 감지
김영진 ,  김은경 한국정보통신학회논문지 2016 .09
CNN을 이용한 거리 사진의 분류와 안전도 평가
배규호 ,  윤정언 ,  박인규 방송공학회논문지 2018 .05
CNN을 이용한 딥러닝 기반 하수관 손상 탐지 분류 시스템
Syed Ib ,  ahim Hassan ,  Dang Lien Minh 외 4명 한국정보통신학회논문지 2018 .03
Real-Time Action Detection in Video Surveillance using a Sub-Action Descriptor with Multi-Convolutional Neural Networks
Cheng-Bin Jin ,  T ,  ung Dung Do 외 2명 제어로봇시스템학회 논문지 2018 .03
합성곱 인공 신경망을 적용한 SAR 영상 표적 인식 알고리즘
조준후 ,  강창호 ,  박찬국 제어로봇시스템학회 논문지 2017 .08

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-003-000895441