Bewertung tiefer neuronaler Netzwerke für Verkehrszeichen-Erkennungssysteme

Verkehrszeichen-Erkennungssysteme stellen eine zentrale Komponente in aktuellen Anwendungen der realen Welt dar, wie beispielsweise autonomen Fahrzeugen sowie Fahrer-Sicherheits- und Assistenzsystemen. In diesem Artikel wird der Stand der Technik mehrerer Objekterkennungssysteme (Faster R-CNN, R-FCN, SSD und YOLO V2) analysiert, die jeweils mit verschiedenen Merkmalsextraktoren (ResNet V1 50, ResNet V1 101, Inception V2, Inception-ResNet V2, MobileNet V1 und Darknet-19) kombiniert wurden, die ursprünglich von ihren jeweiligen Autoren entwickelt wurden. Ziel ist es, die Eigenschaften dieser Objekterkennungsmodelle zu untersuchen, die mittels Transfer-Learning modifiziert und speziell an den Problembereich der Verkehrszeichen-Erkennung angepasst wurden. Insbesondere werden verschiedene öffentlich verfügbare Objekterkennungsmodelle, die vorab auf dem Microsoft COCO-Datensatz vortrainiert wurden, auf dem German Traffic Sign Detection Benchmark-Datensatz feinabgestimmt (fine-tuned). Die Bewertung und der Vergleich dieser Modelle umfasst zentrale Metriken wie den mittleren Durchschnittspräzisionswert (mean average precision, mAP), den Speicherverbrauch, die Ausführungszeit, die Anzahl der Gleitkommaberechnungen (floating point operations), die Anzahl der Modellparameter sowie den Einfluss der Bildgröße von Verkehrszeichen. Unsere Ergebnisse zeigen, dass Faster R-CNN mit Inception-ResNet V2 die höchste mAP erreicht, während R-FCN mit ResNet 101 das beste Gleichgewicht zwischen Genauigkeit und Ausführungszeit bietet. YOLO V2 und SSD mit MobileNet verdienen besondere Erwähnung: Ersteres erzielt konkurrenzfähige Genauigkeitswerte und ist der zweitschnellste Detektor, während Letzteres der schnellste und gleichzeitig der leichteste Modell in Bezug auf den Speicherverbrauch ist, was es zu einer optimalen Wahl für die Bereitstellung auf mobilen und eingebetteten Geräten macht.