Traffic sign recognition

Goals

• 표지판 분류를 모델 만들기

Technical Skills

• Python, keras

Workflow

• Step1 : 도로교통공단 교통안전표지 일람표에서 표지판 이미지 추출

  • 출처 : https://www.koroad.or.kr/kp_web/safeDataView.do?board_code=DTBBS_030&board_num=100162

• Step 2 : Image Augementation 진행

  • 실제 표지판 분류에 활용될 영상을 고려햐여, 회전, 휘어짐 정도, 명도, 각도 등을 고려

• Step 3 : 모델링

  • keras로 CNN 구현

• Step 4 : 검증

  • 예측하지 못한 데이터 직접 확인

Detail

image augementation

• 각 표지판 이미지를 1000장씩 augementation 진행
• 영상에서 표지판이 인식되는 이미지의 모양을 고려하여, 이미지 왜곡, 회전등의 값을 설정

model

accuracy, loss

• EarlyStopping을 사용해 val_loss를 모니터함.
• 총 26번의 epoch가 돌았음.

결과분석

• 사람의 눈으로 판단하기 힘든 데이터들은 예측해 내지 못함

• 실제 표지판 사진으로 예측

한계 및 개선점

• Image Augementation의 옵션을 더 조정해 모델 성능 개선이 필요 (이미지 수량 및 품질 개선)
• 모델링 개선 필요