Járműdetektálás és rendszámtábla felismerés fejlett gépi tanulási algoritmusokkal

Félév: 2024-2025 ősz

Kategória: Szoftver

Téma leírása

Az utóbbi években a mesterséges intelligencia (MI) és gépi tanulás (ML) alkalmazása jelentős áttörést hozott
számos iparágban, köztük az autóiparban is. A fejlett objektumfelismerési technológiák kulcsfontosságúak az
önvezető járművek és a fejlett vezetéstámogató rendszerek (ADAS) fejlesztésében, ahol a gyors és pontos
jármű- és rendszámtábla-felismerés elengedhetetlen. Az ilyen rendszerek lehetővé teszik a közúti közlekedés
biztonságának növelését és hatékonyabbá tételét.
A téma fókusza egy olyan gépi tanulási modell fejlesztése, amely képes járműveket és azok rendszámtábláit
pontosan detektálni és felismerni közúti képeken. Az ilyen modellek továbbfejleszthetik a hagyományos
rendszereket, biztosítva a nagyobb pontosságot és hatékonyságot. A kutatás kiemelt figyelmet fordít a
rendszámtáblák karakterfelismerésének javítására, amely továbbra is kihívást jelent az iparág számára.
Adatgyűjtés és Előfeldolgozás: A projekt első lépése egy átfogó adatkészlet összeállítása különböző közúti
körülmények között készült járműképekkel. Az adatok előfeldolgozása során biztosítjuk a képminőség és a
címkézés pontosságát.
Modell Kiválasztása és Fejlesztése: A legmodernebb gépi tanulási algoritmusok, például a YOLO (You Only Look
Once) alkalmazásával a modell képes lesz valós időben felismerni és detektálni a járműveket és
rendszámtáblákat. A projekt egyedisége abban rejlik, hogy a hallgatók több képkockát dolgoznak fel egymás
után, és ezekből együttesen hoznak döntést. Ez magában foglalja a járművek vagy rendszámtáblák követését
(tracking) és az adatok fúzióját, hogy a több felismerésből összegezve határozzák meg a rendszámtábla
karaktereit vagy a jármű pontos helyzetét. Az algoritmusokat különböző keretrendszerekben (pl. TensorFlow,
PyTorch) implementáljuk, és különböző hiperparaméterekkel finomítjuk a teljesítmény maximalizálása
érdekében.
Modellek Tesztelése és Értékelése: A modellek teljesítményét különböző mérőszámok (pl. pontosság, recall, F1-
érték) segítségével értékeljük. Kiemelt figyelmet fordítunk a rendszámtábla karakterfelismerési pontosságának
javítására, amely a járművek egyedi azonosításához szükséges.
Eredmények Elemzése és Fejlesztési Javaslatok: Az eredmények kiértékelése során azonosítjuk a lehetséges
fejlesztési területeket, különösen a karakterfelismerés pontosságának növelésére. Az eredmények alapján
javaslatokat teszünk a jövőbeli kutatásokra és fejlesztésekre.
A projekt célja, hogy fejlett objektum- és rendszámtábla-felismerési technológiát biztosítson, amely közúti
képeken magas pontossággal képes detektálni és felismerni a járműveket és rendszámtáblákat, miközben
figyelembe veszi az egymást követő képkockák fúziójának lehetőségeit. A kutatás eredményei hozzájárulhatnak
az önvezető járművek és ADAS rendszerek továbbfejlesztéséhez, valamint a közlekedésbiztonság és
hatékonyság javításához.

Külső partner: Continental Autonomous Mobility Hungary

Maximális létszám: 2 fő