Közlekedési táblák detektálása mély neurális hálók segítségével

OData támogatás
Konzulens:
Szemenyei Márton
Irányítástechnika és Informatika Tanszék

Napjainkban az önvezető autózás a fénykorát éli. Rengeteg IT és autóipari cég dolgozik azon, hogy forradalmasítsa a 21. századi közlekedést. A számítógépes látás és a gépi tanulás kiemelt részei ennek a technológiai forradalomnak, részben amiatt, mert rendkívüli módon alkalmasak kép és videó folyamok feldolgozására, analizálására.

Mivel az utóbbi években a rendelkezésünkre álló adatmennyiség rendkívül nagyra nőtt, a mély tanulás az egyik legfontosabb és leggyorsabban fejlődő kutatási területté vált a gépi tanulás témakörében. Mély tanulás segítségével olyan modelleket alkothatunk, melyek számos rétegből állnak és így képesek komplex adat struktúrák megtanulására. A mély konvolúciós hálózatok áttörést hoztak a kép- és videófeldolgozásban.

A diplomamunkámban ismertetem a tanító és teszt adatbázisok készítésének módjait mind osztályozási mind detektálási célokra. Emellett bemutatom, hogy a konvolúciós hálózatok képesek megbízhatóan osztályozni képeket. Továbbá a tanulmány bemutatja, hogy a mély tanulás alkalmas valós időben különböző objektumok detektálására és osztályozására.

Végezetül a diplomamunkám eredménye megmutatja, hogy a mély tanuló hálózatok alkalmasak különböző problémák megoldására a számítógépes látás témakörében, mivel robusztusan képesek osztályozni és lokalizálni különböző képeken tárgyakat.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.