System for traffic sign detection

Cilj ovog rada jest ostvariti sustav za detekciju i klasifikaciju prometnih znakova koristeći YOLOv5 model neuronske mreže. Skupovi podataka korišteni za učenje i testiranje su GTSDB za detekciju i GTSRB za klasifikaciju. Najprije su predstavljene osnovne ideje neuro-računarstva poput modela neuronske mreže i algoritma unazadne propagacije pogreške. Opisan je način rada YOLO algoritma za detekciju objekata, osnovna arhitektura YOLO neuronske mreže te je detaljno razrađen postupak treniranja. Zatim je predstavljena implementacija čitavog sustava u dvije razine, uključujući opis korištenih modela za detekciju i klasifikaciju. Konačno su analizirani rezultati kroz nekoliko metrika poput preciznosti, odziva, točnosti i funkcije prosječne preciznosti (mAP) te su predložena eventualna poboljšanja sustava.The goal of this work is to develop a system for the detection and classification of traffic signs using the YOLOv5 model of neural networks. The data sets used for training and testing are GTSDB for detection and GTSRB for classification. First, basic ideas of neurocomputing, such as the neural network model and the backpropagation algorithm, are presented. Then the YOLO algorithm is described in details. The implementation of the entire system is presented in two levels, including a description of the models used for detection and classification. The results are analyzed using several metrics such as precision, recall, mAP and accuracy. Finally, potential system improvements are suggested