PDF

دانلود پایان نامه : طراحی برنامه تشخیص علائم راهنمایی رانندگی جهت رانندگان تازه کار و اتومبیل های خودران با یادگیری عمیق

 اگر دانشجو و یا محقق هستید با پایان نامه های انگلیسی و جدید سایت پروجکت دانلود می توانید سریع , راحت و حرفه ای تر مقالات و پروژه های خود را تالیف کنید ! پروجکت دانلود , جدیدترین پروژه ها , مقالات , پایان نامه ها و تز های مقاطع مختلف تحصیلی از بهترین دانشگاههای جهان را برای شما فراهم می کند . در این مطلب با دانلود متن کامل پایان نامه انگلیسی  : طراحی برنامه تشخیص علائم راهنمایی رانندگی جهت رانندگان تازه کار و اتومبیل های خودران با یادگیری عمیق همراه شما هستیم .
.

موضوع : متن کامل پایان نامه انگلیسی : طراحی برنامه تشخیص علائم راهنمایی رانندگی جهت رانندگان تازه کار و اتومبیل های خودران با یادگیری عمیق

رشته : کامپیوتر و برنامه نویسی – نرم افزار و سخت افزار  – برق الکترونیک  مخابرات- هوش مصنوعی – رباتیک و مکاترونیک – فناوری اطلاعات

سال انتشار : 2021

زبان : انگلیسی

مقطع :  کارشناسی  

چکیده  (ترجمه ماشینی ) :

سابقه و هدف: تشخیص علائم راهنمایی و رانندگی (TSR) برای رانندگان تازه کار و اتومبیل های خودران مفید است. سیستم های کمک راننده (DAS) شامل تشخیص خودکار ترافیک است. طبقه بندی کارآمد علائم راهنمایی و رانندگی در وسایل نقلیه بدون سرنشین DAS برای ناوبری ایمن مورد نیاز است. شبکه های عصبی کانولوشنال (CNN) به دلیل ایجاد نتایج امیدوار کننده در زمینه طبقه بندی تصویر شناخته شده است ، که به ما الهام بخش این تکنیک را در پایان نامه خود به کار گرفت. بینایی رایانه ای فرایندی است که برای درک تصاویر و بازیابی داده ها از آنها استفاده می شود. OpenCV یک کتابخانه پایتون است که برای تشخیص تصاویر علائم راهنمایی و رانندگی در زمان واقعی استفاده می شود. اهداف: این مطالعه به آزمایش ساخت مدل CNN می پردازد که می تواند علائم راهنمایی و رانندگی را در زمان واقعی با استفاده از OpenCV طبقه بندی کند. این مدل با هزینه محاسباتی کم ساخته شده است. این مطالعه همچنین شامل آزمایشی است که در آن ترکیب های مختلف پارامترها برای بهبود عملکرد مدل تنظیم می شوند. روش ها: روش آزمایش شامل ساخت یک مدل CNN مبتنی بر معماری اصلاح شده LeNet با چهار لایه کانولوشن ، دو لایه حداکثر ترکیب و دو لایه متراکم است. این مدل با مجموعه داده راهنمای تشخیص ترافیک آلمان (GTSRB) آموزش و آزمایش می شود. تنظیم پارامترها با ترکیبات مختلف میزان یادگیری و دوره ها برای بهبود عملکرد مدل انجام می شود. بعداً این مدل برای طبقه بندی تصاویر معرفی شده به دوربین در زمان واقعی استفاده می شود. نتایج: نمودارهایی که دقت و از دست دادن مدل قبل و بعد از تنظیم پارامتر را نشان می دهند ، ارائه شده است. آزمایشی برای طبقه بندی علائم ترافیکی معرفی شده به دوربین با استفاده از مدل CNN انجام می شود. نمرات احتمال بالا در طی فرآیند ارائه شده به دست می آید. نتیجه گیری: نتایج نشان می دهد که مدل پیشنهادی 95٪ دقت مدل را با تعداد بهینه دوره ، یعنی 30 و مقدار بهینه پیش فرض نرخ یادگیری ، یعنی 001/0 به دست آورده است. احتمالات بالا ، یعنی بالای 75 ، زمانی حاصل شد که مدل با استفاده از داده های جدید در زمان واقعی آزمایش شد.

دانلود پایان نامه : طراحی برنامه تشخیص علائم راهنمایی رانندگی جهت رانندگان تازه کار و اتومبیل های خودران با یادگیری عمیق

 

لینک دانلود پس از خرید نمایش داده خواهد شد

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

نوشته های مرتبط

متنی که میخواهید برای جستجو وارد کرده و دکمه جستجو را فشار دهید. برای لغو دکمه ESC را فشار دهید.