Computer Vision
Erkennung und Klassifikation deutscher Verkehrszeichen für E-Bike-Sicherheit
Computer-Vision-System zur Erkennung und Klassifikation deutscher Verkehrszeichen für E-Bike-Szenarien. Ein SSD-MobileNetV2-Modell wurde implementiert, trainiert und mit YOLOv11n verglichen.
Überblick
Dieses abgeschlossene akademische Projekt konzentriert sich auf die Erkennung und Klassifikation deutscher Verkehrszeichen für E-Bike-Sicherheit. Ein trainiertes SSD-MobileNetV2-Modell wird mit YOLOv11n verglichen.
Projektablauf
1
Datensatz-Vorbereitung
2
Annotation und Vorverarbeitung
3
SSD-MobileNetV2-Training
4
Vergleich mit YOLOv11n
Was ich entwickelt habe
- Szenen mit deutschen Verkehrszeichen annotiert und für das Training vorbereitet.
- Bounding Boxes, Resizing, Normalisierung, Augmentation, Pascal-VOC-XML und TFRecord vorbereitet.
- Ein SSD-MobileNetV2-320×320-FPN-Lite-Modell implementiert und trainiert.
- Die Vorhersagen mit YOLOv11n auf gemeinsamen Testbildern verglichen.
- Confidence Scores, Confusion Matrices und klassenbezogene Fehler analysiert.
Technische Übersicht
Bereich
Computer Vision
Anwendung
E-Bike-Sicherheit
Aufgabe
Erkennung und Klassifikation deutscher Verkehrszeichen
Hauptmodell
SSD MobileNetV2 320×320 FPN-Lite
Vergleichsmodell
YOLOv11n
Klassen
20 deutsche Verkehrszeichenklassen
Framework
TensorFlow