Mexican traffic sign detection and classification using deep learning

Abstract

En este trabajo tiene se propone una metodología para la detección y clasificación de señales de tránsito mexicanas utilizando aprendizaje profundo. La metodología consiste en la creación de un nuevo conjunto de datos de señales de tránsito en México, el entrenamiento, la prueba y la comparación de dos detectores de señales (la Red neuronal convolucional basada en la región (R-CNN) y You Only Look Once (YOLO v3)) , y el uso de una red neuronal residual modificada (ResNet-50) para la clasificación. Según los resultados de la detección, la combinación R-CNN/ResNet-50 arrojó una Precisión promedio (mAP) promedio de 95,33 %, mientras que YOLO v3/ResNet-50 arrojó un 90,33 %. La precisión general de la clasificación fue del 99,00%. Nuestros resultados son competitivos con los presentados en la literatura.