Year: 2026
Type: dissertation
Abstract: En aquest treball es desenvolupa i s'avalua un mòdul important de la conducció autònoma: el reconeixement de senyals de trànsit. Per a això, s'han entrenat diversos models de detecció i classificació basats en aprenentatge profund, separant-los en dues categories: els enfocaments one-stage, com YOLO, i els two-stage, com Faster R-CNN. Amb l'objectiu de millorar la precisió global, s'ha experimentat amb l'ús d'un classificador integrat en un pipeline que rep les deteccions de YOLO i n'afina la classificació. Després de l'entrenament i validació dels models, s'ha aplicat el pipeline final sobre un vídeo de prova. Cada fotograma s'ha processat per generar una segona versió del vídeo amb els senyals de trànsit delimitats i etiquetats de manera visual. Els resultats mostren la capacitat del sistema per operar en temps real, mantenint l'equilibri adequat entre precisió i rendiment.
Language: Catalan
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7134763683