Neurális háló alapú detekciós algoritmus fejlesztése valós-idejű környezetben

OData támogatás
Konzulens:
Dr. Vörös András
Méréstechnika és Információs Rendszerek Tanszék

Az utóbbi időben a felgyorsult technológiai fejlődésnek köszönhetően a gépi látás egyre több területen alkalmathatóvá vált. A gépi látás a mindennapi életünk részévé vált: az okostelefonok képesek felismerni az arcokat és különböző tárgyakat a képeken, annak érdekében, hogy optimalizálják a fényképeink minőségét, az autók felismerik a közlekedési táblákat, gyalogosokat és egyéb résztvevőit a forgalomnak, a digitalis fénykép galériák képesek a tartalmuk szerint rendezni a fényképeinket. Számos olyan feladat van, amelyet nem, vagy csak nagyon nehezen lehetne megoldani gépi látás alkalmazása nélkül. Az egyik ilyen - manapság igen felkapott – feladat a tárgyak felismerése és követése, különös tekintettel arra az esetre, amikor nem helyezhetünk speciális jelölőket (ún. markereket) a tárgyakon, amelyeket fel szeretnénk ismerni, amelyek mozgását követni szeretnénk.

Ez a dokumentum a mély neurális háló alapú, valós idejű, marker nélküli objektum követésre koncentrál. Ebben a konkrét esetben a valós idejű objektum követés legfőbb feladata az, hogy meghatározza a tárgyak pontos pozícióját egy magas szintű megfigyelő rendszer számára. Ez a megfigyelő rendszer egy demonstrátor rendszer központi biztonsági logikája, amely képes beavatkozni a megfigyelt rendszerbe, annak érdekében, hogy elkerülje a veszélyhelyzeteket. Ez a feladat megkövetel egy nagy pontosságú, alacsony késleltetésű objektum követő rendszert.

A munkám esettanulmánya a MoDeS3 (Model-based Demonstrator for Smart and Safe systems) renszer. Ez egy modellvasút rendszer, amelyben a távvezérelhető mozdonyok képesek önállóan és biztonságosan közelekedni. A biztonságos közlekedést egy központi biztonsági logika és beavatkozó rendszer biztosítja: felismeri és megelőzi a veszélyes helyzeteket.

Ez a dokumentum végigköveti a tervezési és megvalósítási folyamatát a MoDeS3 demonstrátor számára készített nagy pontosságú, valós-idejű, mélytanulás alapú objektum követő rendszernek. Az elkészített rendszer a MoDeS3 beágyazott számítási egységére is telepítve lesz. Pontosság és teljesítmény mérések biztosítják, hogy a rendszer megfeleljen a MoDeS3 követelményeinek. Jelen munka nem csak egy konkrét objektum követési feladat megoldásáról szól, az egyes fejlesztési fázisok egyéb, hasonló problémák megoldására is megfelelőek.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.