Clasificación de señales de tráfico mediante redes neuronales convolucionales
En esta ponencia se presenta un trabajo en colaboración entre la UPV/EHU y la ingeniería SENER Aeroespacial.
Clasificar señales de tráfico de forma automática y en tiempo real es esencial a la hora de diseñar sistemas de conducción autónoma o asistida. Actualmente, las redes neuronales convolucionales son capaces de clasificar imágenes de forma sobresaliente, mientras que se dispone de numerosas imágenes con una gran variedad de señales de tráfico anotadas detalladamente. No obstante, no es una tarea sencilla debido a las pequeñas diferencias entre clases, y a su vez, a la heterogeneidad de las señales dentro de cada clase. En este trabajo se implementa una red neuronal convolucional mediante la versión GPU de Pytorch, preprocesando cada señal para mejorar su calidad e interpretabilidad y utilizando técnicas como el aumento de datos que eviten el sobreajuste. El proceso completo es configurable con el objetivo de optimizar la precisión, el volumen y el tiempo de inferencia del modelo.
Palabras clave: redes neuronales convolucionales clasificación señales de tráfico conducción autónoma preprocesamiento de imágenes optimización de hiperparámetros Data Augmentation Pytorch GPU