[論文レビュー] Voice-Assisted Real-Time Traffic Sign Recognition System Using Convolutional Neural Network

Mayura Manawadu, Udaya Wijenayake|arXiv (Cornell University)|Apr 11, 2024

Vehicle License Plate Recognition被引用数 7

ひとこと要約

本論文は、リアルタイムで交通標識を検出・認識するCNNを用い、その認識結果をtext-to-speechエンジンで読み上げて運転手を支援する、二つのサブシステムからなるシステムを提示します。

ABSTRACT

Traffic signs are important in communicating information to drivers. Thus, comprehension of traffic signs is essential for road safety and ignorance may result in road accidents. Traffic sign detection has been a research spotlight over the past few decades. Real-time and accurate detections are the preliminaries of robust traffic sign detection system which is yet to be achieved. This study presents a voice-assisted real-time traffic sign recognition system which is capable of assisting drivers. This system functions under two subsystems. Initially, the detection and recognition of the traffic signs are carried out using a trained Convolutional Neural Network (CNN). After recognizing the specific traffic sign, it is narrated to the driver as a voice message using a text-to-speech engine. An efficient CNN model for a benchmark dataset is developed for real-time detection and recognition using Deep Learning techniques. The advantage of this system is that even if the driver misses a traffic sign, or does not look at the traffic sign, or is unable to comprehend the sign, the system detects it and narrates it to the driver. A system of this type is also important in the development of autonomous vehicles.

研究の動機と目的

• 道路安全のための交通標識の理解の重要性を喚起する。
• 交通標識のリアルタイム検出と認識のパイプラインを開発する。
• ドライバー支援のためのCNNベースの認識と音声読み上げを組み込んだ二つのサブシステムからなるシステムを作成する。
• ベンチマークデータセット上でCNNモデルの効率を実証する。
• 自動運転車の開発への潜在的な適用を強調する。

提案手法

• リアルタイムの交通標識検出と認識に適した効率的なCNNモデルを開発する。
• リアルタイム性能を達成するためにベンチマーク交通標識データセットで訓練する。
• 認識した標識をドライバーに読み上げるためにtext-to-speechエンジンを統合する。
• 検出/認識と音声読み上げの二つのサブシステムとしてシステムを運用する。
• ドライバー支援機能と自動運転車への関連性を強調する。

実験結果

リサーチクエスチョン

• RQ1 CNNはベンチマークデータセット上でリアルタイムの検出と正確な交通標識認識を達成できるか。
• RQ2 システムは認識した標識をtext-to-speechで運転手に効果的に読み上げることができるか。
• RQ3 二つのサブシステム設計（認識と読み上げ）は見逃した標識を補完することで運転手の安全性を高めるか。
• RQ4 このシステムの自動運転車開発への潜在的適用性は何か。

主な発見

• ベンチマークデータセット上でリアルタイムの交通標識検出・認識のための効率的なCNNモデルを開発した。
• 認識された標識のtext-to-speech読み上げを実装して運転手を支援する。
• 標識を検出して運転手に読み上げる二つのサブシステムからなるシステムを提案した。
• システム設計は標識を見逃したり理解できない運転手を助け、自動運転車の開発を支援することを目的とする。