Российская база изображений автодорожных знаков
Автор: Шахуро Владислав Игоревич, Конушин Антон Сергеевич
Журнал: Компьютерная оптика @computer-optics
Рубрика: Обработка изображений: Восстановление изображений, выявление признаков, распознавание образов
Статья в выпуске: 2 т.40, 2016 года.
Бесплатный доступ
Представлена новая открытая база изображений дорожных знаков. База предназначена для обучения и тестирования алгоритмов распознавания дорожных знаков. Описывается структура и правила работы с базой, проводится сравнение с другими базами дорожных знаков. На базе проведена экспериментальная оценка современных алгоритмов выделения и классификации дорожных знаков, которая показала, что существующие алгоритмы распознавания большого класса знаков не достигают требуемой для ряда практических приложений полноты и точности.
База изображений дорожных знаков, классификация и выделение дорожных знаков, каскад слабых классификаторов, свёрточная нейронная сеть
Короткий адрес: https://sciup.org/14059465
IDR: 14059465 | DOI: 10.18287/2412-6179-2016-40-2-294-300
Russian traffic sign images dataset
A new public dataset of traffic sign images is presented. The dataset is intended for training and testing the algorithms of traffic sign recognition. We describe the dataset structure and guidelines for working with the dataset, comparing it with the previously published traffic sign datasets. The evaluation of modern detection and classification algorithms conducted using the proposed dataset has shown that existing methods of recognition of a wide class of traffic signs do not achieve the accuracy and completeness required for a number of applications.
Список литературы Российская база изображений автодорожных знаков
- Stallkamp, J. Man vs. computer: Benchmarking machine learning algorithms for traffic sign recognition/J. Stallkamp, M. Schlipsing, J. Salmen, C. Igel//Proceedings of IEEE International Joint Conference on Neural Networks. -2012. -Vol. 32. -P. 323-332.
- Houben, S. Detection of traffic signs in real-world images: The German Traffic Sign Detection Benchmark/S. Houben, J. Stallkamp, J. Salmen, M. Schlipsing, C. Igel//Proceedings of IEEE International Joint Conference on Neural Networks. -2013. -P. 1-8.
- Larsson, F. Using Fourier descriptors and spatial models for traffic sign recognition/F. Larsson, M. Felsberg//Image Analysis. -Berlin, Heidelberg: Springer, 2011. -P. 238-249.
- Timofte, R. Multi-view traffic sign detection, recognition, and 3D localization/R. Timofte, K. Zimmermann, L. Van Gool//Machine Vision and Applications. -2014. -Vol. 25, Issue 3. -P. 633-647.
- Mogelmose, A. Vision-based traffic sign detection and analysis for intelligent driver assistance systems: Perspectives and survey/A. Mogelmose, M.M. Trivedi, T.B. Moeslund//IEEE Transactions on Intelligent Transportation Systems. -2012. -Vol. 13(4). -P. 1484-1497.
- Якимов, П.Ю. Предварительная обработка цифровых изображений в системах локализации и распознавания дорожных знаков//Компьютерная оптика. -2013. -Т. 37, № 3. -С. 401-405.
- Ruta, A. A New Approach for In-Vehicle Camera Traffic Sign Detection and Recognition/A. Ruta, Y. Li, F. Porikli, S. Watanabe, H. Kage, K. Sumi//Machine Vision and Applications. -2009. -P. 509-513.
- Viola, P. Rapid object detection using a boosted cascade of simple features/P. Viola, M. Jones//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. -2001. -Vol. 1. -P. 511-518.
- Dollár, P. Crosstalk cascades for frame-rate pedestrian detection/P. Dollár, R. Appel, W. Kienzle//Computer Vision-ECCV 2012. -Berlin, Heidelberg: Springer, 2012. -P. 645-659.
- Dollár, P. Fast feature pyramids for object detection/P. Dollár, R. Appel, S. Belongie, P. Perona//IEEE Transactions on Pattern Analysis and Machine Intelligence. -2014. -Vol. 36, Issue 8. -P. 1532-1545.
- Benenson, R. Pedestrian detection at 100 frames per second/R. Benenson, M. Mathias, R. Timofte, L. Van Gool//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. -2012. -P. 2903-2910.
- Overett, G. Creating robust high-throughput traffic sign detectors using centre-surround HOG statistics/G. Overett, L. Tychsen-Smith, L. Petersson, N. Pettersson, L. Andersson//Machine Vision and Applications. -2014. -Vol. 25, Issue 3. -P. 713-726.
- Mathias, M. Traffic sign recognition -how far are we from the solution?/M. Mathias, R. Timofte, R. Benenson, L. Van Gool//Proceedings of IEEE International Joint Conference on Neural Networks. -2013. -P. 1-8.
- Dalal, N. Histograms of oriented gradients for human detection/N. Dalal, B. Triggs//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. -2005. -Vol. 1. -P. 886-893.
- Лисицын, С.О. Распознавание дорожных знаков с помощью метода опорных векторов и гистограмм ориентированных градиентов/С.О. Лисицын, О.А. Байда//Компьютерная оптика. -2012. -Т. 36, №. 2 -С. 289-295.
- Krizhevsky, A. Imagenet classification with deep convolutional neural networks/A. Krizhevsky, I. Sutskever, G.E. Hinton//Advances in Neural Information Processing Systems. -2012. -P. 1097-1105.
- Cireşan, D. Multi-column deep neural network for traffic sign classification/D. Cireşan, U. Meier, J. Masci, J. Schmidhuber//Proceedings of IEEE International Joint Conference on Neural Networks. -2012. -Vol. 32. -P. 333-338.
- Moiseev, B. Evaluation of Traffic Sign Recognition Methods Trained on Synthetically Generated Data/B. Moiseyev, A. Konev, A. Chigorin, A. Konushin//Advanced Concepts for Intelligent Vision Systems. -2013. -P. 576-583.
- Chigorin, A. A system for large-scale automatic traffic sign recognition and mapping/A. Chigorin, A. Konushin//CMRT13 -City Models, Roads and Traffic 2013 (ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences). -2013. -Vol. 3. -P. 13-17.
- Li, H. A convolutional neural network cascade for face detection/H. Li, Z. Lin, X. Shen, J. Brandt, G. Hua//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. -2015. -P. 5325-5334.
- Dollár, P. Piotr’s Computer Vision Matlab Toolbox (PMT) . -URL: http://vision.ucsd.edu/~pdollar/toolbox/doc/index.html (request date 01.04.2015).
- Jia, Y. Convolutional architecture for fast feature embedding/Y. Jia, E. Shelhamer, J. Donahue, S. Karayev, J. Long, R. Girshick, S. Guadarrama, T. Darrell//Proceedings of the ACM International Conference on Multimedia. -2014. -P. 675-678.
