Improvement of the performance of traffic signs detection

Abstract

This research presents an algorithm to improve the efficiency of small traffic sign detection for real-time systems. From previous works of real-time traffic sign detection, the YOLOv3 algorithm cannot detection of small traffic signs. Thus, a new neural network is designed to improve the small traffic signs detection. The neural network is designed based on the Feature Pyramid Networks (FPN) technique. The four detecting layers, instead of only three layers, are added to the network. The anchor boxes are clustered by using K-mean clustering technique for traffic sign detection. They are divided into 4 groups, 3 anchor boxes for each group, Thus the total number of anchor boxes is 12. The new neural network is implemented in YOLOv3-TTSD and YOLOv3-TTSD-Tiny and evaluated on Thailand Traffic Sign Dataset (TTSD). From the evaluation, YOLOv3-TTSD and YOLOv3-TTSD-Tiny outperform YOLOv3 and YOLOv3-Tiny. YOLOv3-TTSD gives 62.22% of mAP which is higher than YOLOv3 (mAP = 60.54%). YOLOv3-TTSD-Tiny gives 49.87% of mAP which is higher than the YOLOv3-Tiny (mAP = 34.77%.). In processing time, YOLOv3-TTSD gives 15.80 fps which is slower than YOLOv3 (20.80 fps). YOLOv3-TTSD-Tiny gives 35.96 fps, which is slower than YOLOv3-Tiny (40.06 fps). However, the processing time of YOLOv3-TTSD-Tiny can be used in real-time system. Moreover, YOLOv3-TTSD-Tiny gives higher mAP than YOLOv3-Tiny to 15.10%.

งานวิจัยนี้ได้นำเสนอขั้นตอนวิธีในการปรับปรุงประสิทธิภาพการตรวจจับป้ายจราจรขนาดเล็กสำหรับระบบการประมวลผลแบบทันเวลา (Real time) จากงานวิจัยด้านการตรวจจับป้ายจราจรแบบทันเวลาพบว่า ขั้นตอนวิธี YOLOv3 ไม่สามารถตรวจจับป้ายจราจรที่มีขนาดเล็กได้ ดังนั้นผู้วิจัยจึงได้ทำการออกแบบเครือข่ายประสาทใหม่เพื่อให้สามารถตรวจจับป้ายจราจรที่มีขนาดเล็กได้ดีขึ้น โดยประยุกต์ใช้เทคนิคเครือข่ายคุณลักษณะแบบพีระมิด (FPN) เพิ่มชั้นสำหรับใช้ในการตรวจจับวัตถุขนาดเล็กเป็น 4 ชั้นจากเดิมที่มีเพียง 3 ชั้น และใช้การจัดกลุ่มของกล่องทำนาย (Anchor boxes) สำหรับตรวจจับวัตถุป้ายจราจรด้วยเทคนิคการแบ่งกลุ่มข้อมูลแบบเคมีน (K-mean clustering) ทำการแบ่งกล่องทำนายออกเป็นจำนวน 4 กลุ่ม กลุ่มละ 3 กล่อง โดยมีกล่องทำนายรวมทั้งหมด 12 กล่อง เครือข่ายประสาทที่ได้ออกแบบถูกนำไปใช้ในขั้นตอนวิธี YOLOv3-TTSD และ YOLOv3-TTSD-Tiny และทำการทดลองตรวจจับป้ายจราจรบนชุดข้อมูลป้ายจราจรไทย (TTSD) ที่ผู้วิจัยได้ทำการรวบรวมขึ้นเอง จากผลการทดลองพบว่า ขั้นตอนวิธี YOLOv3-TTSD และ YOLOv3-TTSD-Tiny ให้ประสิทธิภาพการตรวจจับได้ดีขึ้นกว่าวิธีเดิม โดยขั้นตอนวิธีการตรวจจับแบบ YOLOv3-TTSD ได้ค่าเฉลี่ยของความแม่นยำเฉลี่ยหรือค่า mAP = 62.22% ซึ่งสูงกว่าขั้นตอนวิธี YOLOv3 ที่ได้ค่า mAP = 60.54% บนชุดข้อมูลในการฝึกและการทดสอบชุดเดียวกัน และขั้นตอนวิธีการตรวจจับแบบ YOLOv3-TTSD-Tiny ได้ค่า mAP = 49.87% ซึ่งสูงกว่าชั้นตอนวิธี YOLOv3-Tiny ที่ได้ค่า mAP = 34.77% ส่วนประสิทธิภาพด้านเวลาในการประมวลผลพบว่าขั้นตอนวิธี YOLOv3-TTSD ใช้ระยะเวลาเฉลี่ย 15.80 ภาพต่อวินาที ซึ่งต่ำกว่าวิธีการ YOLOv3 ที่ใช้ระยะเวลาในการประมวลผลเฉลี่ย 20.80 ภาพต่อวินาที และขั้นตอนวิธี YOLOv3-TTSD-Tiny ใช้ระยะเวลาเฉลี่ย 35.96 ภาพต่อวินาที ซึ่งต่ำกว่าขั้นตอนวิธี YOLOv3-Tiny ที่วัดได้ 40.06 ภาพต่อวินาที อย่างไรก็ตามขั้นตอนวิธี YOLOv3-TTSD-Tiny ใช้ระยะเวลาในเกณฑ์มาตรฐานที่สามารถนำไปใช้ในระบบตรวจจับวัตถุแบบทันเวลาได้ นอกจากนี้ยังให้ค่า mAP ที่สูงกว่า YOLOv3-Tiny ถึง 15.10%