Dr. Dănuț Ovidiu Pop din cadrul Departamentului de Informatică al Universității Babeș-Bolyai, împreună cu colaboratori din cadrul Inria Paris Research Centre și INSA Rouen, Normandie Université, au publicat recent un articol inovator în jurnalul academic IEEE Intelligent Transportation Systems Magazine. Articolul descrie un studiu ce urmărește îmbunătățirea procesului de clasificare în vederea detectării pietonilor, utilizând tehnici din domeniul inteligenței artificiale.
Numărul de vehicule pe șosea a crescut foarte mult în ultimele decenii. În consecință, a crescut și numărul de accidente auto și, odată cu această problemă, a crescut și nevoia de a dezvolta o soluție eficientă care să crească siguranța rutieră. Siguranța traficului a devenit o prioritate atât pentru industria auto, cât și pentru comunitatea științifică, care au investit în dezvoltarea diferitelor sisteme de protecție. Inițial, îmbunătățirile implicau mecanisme simple pentru protecția șoferului, cum ar fi centurile de siguranță, apoi au fost dezvoltate sisteme mai complexe, cum ar fi sistemele de frânare antiblocare (ABS), programele electronice de stabilizare (ESP) și airbag-urile. În ultimul deceniu, accentul s-a mutat către sistemele inteligente de la bord, denumite Advanced Driver Assistance Systems (ADAS). În cadrul vehiculelor inteligente, aceste sisteme trebuie să perceapă mediul rutier, să detecteze obstacolele rutiere, să clasifice tipul obiectului (mașini, biciclete, pietoni) pentru a putea informa șoferul sau chiar pentru a opri vehiculul pentru a preveni o posibilă coliziune.
Protecția pietonilor este una dintre direcțiile majore de cercetare care solicită îmbunătățirea performanței. Acest articol se concentrează pe îmbunătățirea procesului de clasificare, care este partea centrală a detectării pietonilor, bazat pe tehnici preluate din inteligența artificială. Contribuția principală a acestei lucrări este legată de investigarea diferitelor abordări de învățare încrucișată pentru rețelele neuronale profunde (Deep Learning) care vizează îmbunătățirea procesului de recunoaștere a pietonilor utilizând diferite tipuri de imagini. Astfel, autorii propun diferite metode de învățare bazate pe învățarea profundă folosind modalități încrucișate precum:
- o metodă de învățare particulară în care o rețea neuronală este instruită și validată pe același tip de imagine, dar testată pe una diferită;
- o modalitate încrucișată separată care utilizează un tip de imagine diferită pentru instruire decât pentru validare;
- o metodă de învățare corelată în care o rețea neuronală unică este antrenată (instruită și validată) utilizând în același proces mai multe tipuri de imagini (Depth, Optical Flow, Intensity);
- o metoda de învățare incrementală încrucișate în care o rețea neuronală este antrenată prima dată pe un tip de imagini, apoi o a doua rețea neuronală, inițializată prin transferul de învățare de la prima rețea neuronală, este învățată pe al doilea tip de imagini și, în cele din urmă, o altă rețea neuronală inițializată de la rețeaua precedentă, este antrenată pe ultimul tip de imagini.
De asemenea, rezultatele prezentate sunt de o importanță deosebită deoarece proiectează și o nouă arhitectură de rețea neuronală, numită LeNet +, care îmbunătățește performanța clasificării pietonilor. Autorii au antrenat modelul LeNet + cu abordarea incrementală încrucișată utilizând setări de învățare optime, obținând astfel cea mai bună performanță pentru recunoașterea pietonilor.
Pentru a consulta articolul complet, vă invităm să accesați: https://ieeexplore.ieee.org/document/8986832.
