Klassifikation von Verkehrszeichen
Für Continental/A.D.C. wurde ein automatisches Trainingssystem für einen Verkehrsschild-Klassifikator in Matlab entwickelt.
Der Klassifikator wurde als Neuronales Netz realisiert, das auch bei eingeschränkten Hardwareressourcen schnell ausgewertet werden kann.
Das Trainingssystem umfasste die folgenden Aufgaben:
- Aufbereiten der Trainingsmenge (Bilder von Verkehrsschildern)
- Identifikation wichtiger Repräsentanten jeder Klasse
- Gewichtung der Bildpunkte hinsichtlich ihrer Bedeutung bei der Trennung der Klassen
- Mengenausgleich der Klassen in der Trainingsmenge
- Überwachter Lernvorgang zum Erstellen eines optimalen Klassifikators durch wiederholtes Training nach:
- Veränderung der Netztopologie
- Umschichtung der Trainingsmenge
- Auswertung von ROC-Kurven zur Bestimmung des optimalen Schwellwertes der erforderlichen Klassifikationssicherheit
- Matlab-Memorymanagement beim Training großer Datensätze
Das fertig trainierte Netz wird als C-Headerdatei ausgegeben und kann problemlos in Softwareprojekte eingebunden werden.
Das Trainingssystem ist flexibel gehalten, so dass es erfolgreich auf ähnliche Klassifikationsaufgaben (z.B. Unterscheidung von Fahrzeugtypen) adaptiert werden konnte.