در این مخزن گیت هاب، نسخه ای سبک از پروژه ما برای تشخیص علائم راهنمایی ارائه شده است.

In this git repository a light version of our Traffic Sign Detection project is presented.

نمونه تشخیص (Detection sample):

کاربردهای این سامانه:

سامانه هوش مصنوعی تشخیص علائم ترافیکی به عنوان یکی از کاربردهای مهم هوش مصنوعی در حوزه مهندسی ترافیک و راهنمایی و رانندگی دارای مزایای زیادی است. کاربردها و مزایا اصلی این سامانه به شرح زیر هستند:

1- ترافیک هوش مصنوعی: این سامانه‌ها به عنوان بخشی از ترافیک هوش مصنوعی و اینترنت اشیاء (IoT) در توسعه شهر هوشمند مورد استفاده قرار می‌گیرند.

2- افزایش ایمنی جاده: سامانه‌های تشخیص علائم ترافیکی به تشخیص دقیق و سریع علائم راهنمایی و رانندگی می‌پردازند. این تشخیص به کاهش تصادفات و حوادث رانندگی کمک می‌کند.

3- کاهش خطاهای انسانی: انسان‌ها ممکن است در برخی مواقع علائم راهنمایی را اشتباه بخوانند یا نادیده بگیرند. سامانه‌های هوش مصنوعی با تشخیص دقیق علائم به خطاهای انسانی پیشگیری می‌کنند.

4- افزایش بهره‌وری ترافیک: با دقیق‌تر شدن رانندگی و رعایت دقیق قوانین ترافیکی، ترافیک بهره‌وری بیشتری خواهد داشت و زمان رانندگی کاهش می‌یابد.

5- تسهیلات رانندگی خودروهای خودکار: در آینده، اتومبیل‌های خودکار به سیستم‌های تشخیص علائم ترافیکی نیاز دارند تا بهترین تصمیم‌ها را برای رانندگی ایمن اتومبیل‌ها بگیرند.

به طور کلی، سامانه هوش مصنوعی تشخیص علائم ترافیکی به بهبود ایمنی و بهره‌وری در محیط‌های حمل و نقل عمومی و شهر هوشمند کمک می‌کند و به کاهش تصادفات و مشکلات ترافیکی می‌انجامد.

The dataset has been uploaded to Kaggle, and you can download it in the following address:

• https://www.kaggle.com/datasets/barzansaeedpour/traffic-sign-detection

class names:

Label	Persian	English	Image
avalin-pich-be-chap	اولین پیچ به چپ	first curve to the left
avalin-pich-be-rast	اولین پیچ به راست	first curve to the right
dast-andaz	دست انداز	bump
dor-bargardan	دور برگردان	u turn
dor-zadan-mamnoe	دور زدن ممنوع	u turn prohebited
dorbine-sabte-takhalofat	دوربین ثبت تخلفات	speed camera
faghat-obor-az-chap-mojaz	فقط عبور از چپ مجاز	compulsory keep left
faghat-obor-az-rast-mojaz	فقط عبور از راست مجاز	compulsory keep right
gardesh-be-rast-mamnoe	گردش به راست ممنوع	right turn prohebited
gardesh-be-rast-mamnoe	گردش به چپ ممنوع	right turn prohebited
hadeaksar-sorat-mojaz-100	حداکثر سرعت مجاز 100	speed limit 100
hadeaksar-sorat-mojaz-110	حداکثر سرعت مجاز 110	speed limit 110
hadeaksar-sorat-mojaz-40	حداکثر سرعت مجاز 40	speed limit 40
hadeaksar-sorat-mojaz-50	حداکثر سرعت مجاز 50	speed limit 50
hadeaksar-sorat-mojaz-60	حداکثر سرعت مجاز 60	speed limit 60
hadeaksar-sorat-mojaz-80	حداکثر سرعت مجاز 80	speed limit 80
hadeaksar-sorat-mojaz-85	حداکثر سرعت مجاز 85	speed limit 85
hadeaksar-sorat-mojaz-95	حداکثر سرعت مجاز 95	speed limit 95
hedayat-be-chap	هدایت به چپ	guide to left
hedayat-be-rast	هدایت به راست	guide to right
istadan-mamnoe	ایستادن ممنوع	no stopping or standing
khatar	خطر	danger
khatare-rizeshe-sang	خطر ریزش سنگ	falling rocks
obor-az-har-do-samt-mojaz	عبور از هر دو سمت مجاز	either side
obour-haywanate-ahli	عبور حیوانات اهلی	possibility of cattle on road
parking	پارکینگ	parking
pich-be-chap	پیچ به چپ	left turn
pich-be-rast	پیچ به راست	right turn
rayate-haghe-taghadom	رعایت حق تقدم	give way
sebghat-azad	سبقت آزاد	overtaking allowed
sebghat-mamnoe	سبقت ممنوع	no overtaking
taghatoe	تقاطع	intersection
voroud-be-rahe-asli-az-chap	ورود به راه اصلی از چپ	side road left
voroud-be-rahe-asli-az-rast	ورود به راه اصلی از راست	side road right
voroud-be-rahe-asli-az-rast2	ورود به راه اصلی از راست 2	side road right 2
voroud-mamenoe	ورود ممنوع	no entry

1- virtual environment setup (windows):

python version: 3.10.0

    py -3.10 -m venv env

    env\Scripts\activate

2- install requirements

    pip install -r requirements.txt

3- Download and unzip the dataset

• https://www.kaggle.com/datasets/barzansaeedpour/traffic-sign-detection

Notice that you should change the train and validation directory in data_custom.yaml file.

4- Install pytorch CUDA:

• https://pytorch.org/

5- Train yolov8 on the train data:

    yolo task=detect mode=train epochs=100 data=data_custom.yaml model=yolov8m.pt imgsz=300 batch=2

6- Test the trained model

    yolo task=detect mode=predict model=yolov8m_custom.pt show=False conf=0.4 source=val/images/

Open the notebook in colab:

https://colab.research.google.com/github/barzansaeedpour/Traffic-sign-detection-yolov8/blob/main/TSD_YOLOv8.ipynb