В последние годы одним из современных направлений развития технологий является компьютерное зрение. Основной задачей этого направления является классификация объектов с фото- или видеокамеры. В обычных задачах она решается с помощью методов машинного обучения на основе прецедентов. В этой работе представлено применение компьютерного зрения для распознавания дорожных знаков с использованием алгоритма машинного обучения. Дорожный знак представляет собой плоский искусственный объект с фиксированным внешним видом. Существуют две прикладные задачи, в которых используются алгоритмы распознавания дорожных знаков. Первая задача — управлять автономным транспортным средством. Беспилотные автомобили — это автомобили, которые могут передвигаться по дорогам без водителя. Ключевым компонентом системы управления беспилотным транспортным средством является распознавание объектов. Объектами интереса являются в первую очередь пешеходы, другие транспортные средства, светофоры и дорожные знаки.
Дорожные знаки являются неотъемлемой частью нашей повседневной жизни. Они содержат критически важную информацию, которая обеспечивает безопасность всех людей вокруг нас. Дорожный знак представляет собой плоский искусственный объект с фиксированным внешним видом. Существуют две прикладные задачи, в которых используются алгоритмы распознавания дорожных знаков. Первая задача — управлять автономным транспортным средством. Беспилотные автомобили — это автомобили, которые могут передвигаться по дорогам без водителя. Ключевым компонентом системы управления беспилотным транспортным средством является распознавание объектов. Объектами интереса являются в первую очередь пешеходы, другие транспортные средства, светофоры и дорожные знаки. Вторая задача, использующая распознавание дорожных знаков, — это автоматическое сопоставление на основе данных с видеорегистраторов, установленных на автомобилях. Задача актуальна, так как в настоящее время составление и ведение подробных дорожных карт требует либо значительных финансовых затрат, либо большого количества человеческого времени.
Базовые концепты
Компьютерное зрение и классификация изображений
Компьютерное зрение — одна из передовых областей искусственного интеллекта, связанная с анализом изображений и видео. С помощью компьютерного зрения искусственный интеллект способен «видеть» и извлекать определенную информацию. Как учение, компьютерное зрение намекает на гипотезу и инновации создания искусственных структур, которые получают данные из изображений. Компьютерное зрение активно используется во многих областях для различных задач, в рамках которых безопасность, техническое обслуживание, усовершенствование человека и автономия. Задачей этого направления является классификация объектов с рисунка или видеокамеры.
Сверточная нейронная сеть (CNN) — основной инструмент для классификации объектов, лиц на фотографиях, распознавания речи. Сверточная нейронная сеть с помощью специальной операции — собственно свертки — позволяет одновременно уменьшить объем хранимой в памяти информации. Трансформация происходит в каждом слое, причем в каждом слое по-разному, как «ребра», «грани» и т. д., далее используются понятия «текстура», «части объектов». В результате такого исследования можно на заключительном этапе правильно классифицировать картинку или выбрать нужный объект на изображении. Сверточные нейронные сети используются достаточно широко и в различных областях. Самым тривиальным вопросом, который можно осветить с помощью нейросетей, стала классификация изображений. В настоящее время CNN и ее модификации считаются ведущими расчетами для поиска объектов в пределах сцены с точки зрения точности. С 2012 года нейронные системы впервые приняли участие в известном во всем мире конкурсе изображений ImageNet. Сверточные сети — это золотая середина между естественно мыслимыми системами и обычным многослойным персептроном. На сегодняшний день лучшие достижения в области фотографии получают с их помощью. В норме точность распознавания таких сетей превышает обычные модели искусственного интеллекта на 10–15%. CNN — это основная технология глубокого обучения.
Библиотеки
# data analysis and wrangling import numpy as np import pandas as pd import os import random # visualization import matplotlib.pyplot as plt from PIL import Image # machine learning from keras.models import Sequential from keras.layers import Dense from tensorflow.keras.optimizers import Adam from keras.utils.np_utils import to_categorical from keras.layers import Dropout, Flatten from keras.layers.convolutional import Conv2D, MaxPooling2D import cv2 from sklearn.model_selection import train_test_split from keras.preprocessing.image import ImageDataGenerator
Получить данные
Пакеты Python Pandas помогают нам работать с нашими наборами данных. Мы начнем с получения наборов данных для обучения и тестирования в Pandas DataFrames. Мы также объединяем эти наборы данных для одновременного выполнения определенных операций с обоими наборами данных.
# Importing of the Images count = 0 images = [] classNo = [] myList = os.listdir(path) print("Total Classes Detected:",len(myList)) noOfClasses=len(myList) print("Importing Classes.....") for x in range (0,len(myList)): myPicList = os.listdir(path+"/"+str(count)) for y in myPicList: curImg = cv2.imread(path+"/"+str(count)+"/"+y) curImg = cv2.resize(curImg, (30, 30)) images.append(curImg) classNo.append(count) print(count, end =" ") count +=1 print(" ") images = np.array(images) classNo = np.array(classNo)
Для правильного обучения и оценки внедренных систем мы разделили набор данных на 3 набора. Разделение набора данных: 20% тестового набора, 20% набора данных проверки, а остальное для обучения набора данных.
# Split Data X_train, X_test, y_train, y_test = train_test_split(images, classNo, test_size=testRatio) X_train, X_validation, y_train, y_validation = train_test_split(X_train, y_train, test_size=validationRatio)
Набор данных содержит 34799 изображений и состоит из 43 типов дорожных знаков. К ним относятся основные дорожные знаки, такие как ограничение скорости, знак «стоп», «уступи дорогу», «главная дорога», «въезд запрещен», «пешеходы» и другие.
# DISPLAY SOME SAMPLES IMAGES OF ALL THE CLASSES num_of_samples = [] cols = 5 num_classes = noOfClasses fig, axs = plt.subplots(nrows=num_classes, ncols=cols, figsize=(5, 300)) fig.tight_layout() for i in range(cols): for j,row in data.iterrows(): x_selected = X_train[y_train == j] axs[j][i].imshow(x_selected[random.randint(0, len(x_selected)- 1), :, :], cmap=plt.get_cmap("gray")) axs[j][i].axis("off") if i == 2: axs[j][i].set_title(str(j)+ "-"+row["Name"]) num_of_samples.append(len(x_selected))
# DISPLAY A BAR CHART SHOWING NO OF SAMPLES FOR EACH CATEGORY print(num_of_samples) plt.figure(figsize=(12, 4)) plt.bar(range(0, num_classes), num_of_samples) plt.title("Distribution of the training dataset") plt.xlabel("Class number") plt.ylabel("Number of images") plt.show()
Существует значительный дисбаланс между классами в наборе данных. Некоторые классы имеют менее 200 изображений, в то время как другие имеют более 1000. Это означает, что наша модель может быть смещена в сторону перепредставленных классов, особенно когда она не уверена в своих прогнозах. Чтобы решить эту проблему, мы использовали существующие методы преобразования изображений.
Для лучшей классификации все изображения из набора данных были преобразованы в изображения в градациях серого. Оттенки серого — цветовой режим изображений, отображаемых в оттенках серого, помещенных в виде таблицы в качестве эталонов яркости белого цвета.
# PREPROCESSING THE IMAGES def grayscale(img): img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) return img def equalize(img): img =cv2.equalizeHist(img) return img def preprocessing(img): img = grayscale(img) # CONVERT TO GRAYSCALE img = equalize(img) # STANDARDIZE THE LIGHTING IN AN IMAGE img = img/255 # TO NORMALIZE VALUES BETWEEN 0 AND 1 INSTEAD OF 0 TO 255 return img X_train=np.array(list(map(preprocessing,X_train))) # TO IRETATE AND PREPROCESS ALL IMAGES X_validation=np.array(list(map(preprocessing,X_validation))) X_test=np.array(list(map(preprocessing,X_test)))
Увеличение данных — это метод увеличения исходного набора данных. Чем больше данных, тем выше результат, это основное правило машинного обучения.
#AUGMENTATAION OF IMAGES: TO MAKEIT MORE GENERIC dataGen= ImageDataGenerator(width_shift_range=0.1, # 0.1 = 10% IF MORE THAN 1 E.G 10 THEN IT REFFERS TO NO. OF PIXELS EG 10 PIXELS height_shift_range=0.1, zoom_range=0.2, # 0.2 MEANS CAN GO FROM 0.8 TO 1.2 shear_range=0.1, # MAGNITUDE OF SHEAR ANGLE rotation_range=10) # DEGREES dataGen.fit(X_train) batches= dataGen.flow(X_train,y_train,batch_size=20) # REQUESTING DATA GENRATOR TO GENERATE IMAGES BATCH SIZE = NO. OF IMAGES CREAED EACH TIME ITS CALLED X_batch,y_batch = next(batches)
Горячее кодирование использовалось для наших категориальных значений y_train, y_test, y_validation.
y_train = to_categorical(y_train,noOfClasses) y_validation = to_categorical(y_validation,noOfClasses) y_test = to_categorical(y_test,noOfClasses)
Для создания нейронной сети будет использоваться библиотека Keras. Вот код для создания структуры модели:
def myModel(): model = Sequential() model.add(Conv2D(filters=32, kernel_size=(5,5), activation='relu', input_shape=X_train.shape[1:])) model.add(Conv2D(filters=32, kernel_size=(5,5), activation='relu')) model.add(MaxPooling2D(pool_size=(2, 2))) model.add(Dropout(rate=0.25)) model.add(Conv2D(filters=64, kernel_size=(3, 3), activation='relu')) model.add(Conv2D(filters=64, kernel_size=(3, 3), activation='relu')) model.add(MaxPooling2D(pool_size=(2, 2))) model.add(Dropout(rate=0.25)) model.add(Flatten()) model.add(Dense(256, activation='relu')) model.add(Dropout(rate=0.5)) model.add(Dense(43, activation='softmax')) model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy']) return model # TRAIN model = myModel() print(model.summary()) history = model.fit(X_train, y_train, batch_size=batch_size_val, epochs=epochs_val, validation_data=(X_validation,y_validation))
В приведенном выше коде использовалось 6 сверточных слоев и 1 полносвязный слой. Сначала в модель были добавлены сверточные слои с 32 фильтрами. Далее мы добавляем сверточный слой с 64 фильтрами. За каждым слоем добавляется максимально вытягивающий слой с размером окна 2×2. Также добавлены слои Dropout с коэффициентами 0,25 и 0,5, чтобы сеть не переобучалась. В последних строках мы добавляем плотный слой Dense, который выполняет классификацию среди 43 классов, используя функцию активации softmax.
По завершении последней эпохи мы получили следующие значения: потеря = 0,0523; точность = 0,9832; val_loss = 0,0200; val_accuracy = 0,9943, что очень хорошо.
#PLOT plt.figure(1) plt.plot(history.history['loss']) plt.plot(history.history['val_loss']) plt.legend(['training','validation']) plt.title('loss') plt.xlabel('epoch') plt.figure(2) plt.plot(history.history['accuracy']) plt.plot(history.history['val_accuracy']) plt.legend(['training','validation']) plt.title('Acurracy') plt.xlabel('epoch') plt.show() score =model.evaluate(X_test,y_test,verbose=0) print('Test Score:',score[0]) print('Test Accuracy:',score[1])
#testing accuracy on test dataset from sklearn.metrics import accuracy_score y_test = pd.read_csv('Test.csv') labels = y_test["ClassId"].values imgs = y_test["Path"].values data=[] for img in imgs: image = Image.open(img) image = image.resize((30,30)) data.append(np.array(image)) X_test=np.array(data) X_test=np.array(list(map(preprocessing,X_test))) predict_x=model.predict(X_test) pred=np.argmax(predict_x,axis=1) print(accuracy_score(labels, pred))
Мы проверили построенную модель на тестовом наборе данных и получили точность 96 процентов.
Используя встроенную функцию model_name.save(), мы можем сохранить модель для последующего использования. Эта функция сохраняет модель в локальном файле .p, поэтому вам не нужно перезапускать модель снова и снова, не теряя при этом много времени.
model.save("CNN_model_3.h5")
Полученные результаты:
В ходе диссертации модель CNN была построена с использованием языка программирования Python и библиотек Keras и OpenCV и успешно классифицировала классификатор дорожных знаков с точностью 96%. Разработано приложение для распознавания дорожных знаков, имеющее 2 варианта работы, распознавание по картинке и распознавание дорожных знаков в режиме реального времени с помощью веб-камеры.
Ссылка на Github: https://github.com/Daulettulegenov/TSR_CNN