Machine Learning System for Classification ot Traffic Signs into Classes. Σύστημα Μηχανικής Μάθησης για την ταξινόμηση Σημάτων Οδικής Κυκλοφορίας

 Με τη βοήθεια της google Teachable machine, οι μαθητές του Γ1 τμήματος στο πλαίσιο του προγράμματος R4C και του προγράμματος  eTwinning  "Cultivating 21st Century Skills – Making our Lives Better!"(ενοτητα Road Safety) , εκπαίδευσαν το δικό τους σύστημα Τεχνητής Νοημοσύνης το οποίο προσπαθεί να ταξινομήσει τα σήματα οδικής κυκλοφορίας σε κατηγορίες (Απαγορευτικά, Υποχρεωτικά STOP και Προειδοποιησης Κινδύνου). Αντιλήφθηκαν με  τρόπο βιωματικό την πολυπλοκότητα του προβλήματος και τη δυσκολία επίλυσης του σε μια εφαρμογή βασικής σημασίας για τα αυτοκινούμενα οχήματα. Το σύστημα εκπαιδεύτηκε με χρήση των φωτογραφιών που είχαν τραβήξει οι μαθητές/τριες με τα σήματα οδικής κυκλοφορίας, αλλά και με εικόνες από σήματα που αναζήτησαν στο διαδίκτυο. 

 https://teachablemachine.withgoogle.com/models/FPSOxJpcw/

    Μπορείτε να δοκιμάσετε και εσείς με τις δικές σας εικόνες πόσο καλά μπορει να αναγνωρίσει τα σήματα οδικής κυκλοφορίας το σύστημα Μηχανικής Μάθησης.

    Προσοχή: Όπως μάθαμε στο μάθημά μας, ένα σύστημα Μηχανικής Μάθησης περιμένουμε να απαντήσει σωστά αν του δώσουμε δεδομένα για τα οποία έχει εκπαιδευτεί. Έτσι άν ένα σύστημα έχει εκπαιδευτεί να αναγνωρίζει αυτοκίνητα και μηχανές και εμείς του δώσουμε να μας βάλει σε κατηγορία ένα ζωγραφικό πίνακα τα αποτελέσματα που θα βγάλει θα είναι μάλλον...απογοητευτικά.

 

Eng

Using google Teachable machine, pupils of Class C1 of Ralleia Experimental Primary Schools trained their own Artificial Intelligence system which tries to classify images of different  traffic signs into different categories( Prohibitory, Mandatory, STOP & Danger Warning). These Machine Learning Systems are of great importance in Autonomous driving for Road Safety. They experienced in an experiential way the complexity of the problem and the difficulty of solving it in an application that is essential for Autonomous Vehicles. The system was trained using the photos of traffic signs taken by pupils, but also with images from the signs that they searched on the internet.

You can test your own images to our system by submitting it to the following link:

 https://teachablemachine.withgoogle.com/models/FPSOxJpcw/ 

Note: As we learned in our ICT lesson, a Machine Learning system is expected to respond correctly if we submit to it data for which it has been trained. Thus, if a system is for example, trained to recognize cars and motorcycles and we give an image of a human to classify the results would be rather disappointing.