الشبكة العصبية العميقة لأنظمة تمييز لوحات الإشارات المرورية: تحليل للمحوّلات المكانية وطرق التحسين العشوائي

يقدم هذا البحث نهجًا قائمًا على التعلم العميق لأنظمة تمييز لوحات الإشارات المرورية. تم إجراء سلسلة من تجارب التصنيف على مجموعات بيانات عامة للإشارات المرورية من ألمانيا وبلجيكا باستخدام شبكة عصبية عميقة تتضمن طبقات تلافيفية (Convolutional layers) وشبكات تحويل مكاني (Spatial Transformer Networks). تم بناء هذه التجارب لقياس تأثير عوامل متنوعة، بهدف تصميم شبكة عصبية تلافيفية قادرة على تحسين الحالة الحالية في مهام تصنيف لوحات الإشارات المرورية. أولاً، تم تقييم خوارزميات مختلفة من التحسين العشوائي التكيفية وغير التكيفية، مثل SGD وSGD-Nesterov وRMSprop وAdam. ثم تم تحليل عدة تراكيب ممكنة لشبكات التحويل المكاني عند مراكز مختلفة داخل الشبكة العصبية الرئيسية. أظهرت دقة الشبكة العصبية التلافيفية المقترحة معدل دقة قدره 99.71٪ في معيار التعرف على لوحات الإشارات المرورية الألماني، متفوقةً على الطرق السابقة الأكثر تقدمًا، كما أظهرت كفاءة أعلى من حيث متطلبات الذاكرة.