Beschreibung
Deep Learning findet statt, insbesondere mit dem schnellen Wachstum und der Verfügbarkeit großer Datenbanken und den jüngsten Verbesserungen bei den Grafikprozessoren (GPUs). Das Hauptziel dieser Forschung ist die Anwendung von Deep-Learning-Algorithmen wie Convolutional Neural Networks (CNNs) und Deep-Architekturen, insbesondere das VGG-16 Deep-Modell zur Kategorisierung und Lokalisierung von Fahrzeugen in Straßenszenen. In dieser Arbeit werden wir zeigen, dass wir durch optimierte Parametrisierung und einfache algorithmische Modifikation die Robustheit eines bestimmten Faster R-CNN Netzwerks bei der Fahrzeugdetektion sogar relativ verbessern und bessere Ergebnisse auf Basis verschiedener Datenbanken (PASCAL VOC 2007, PASCAL VOC 2012, MIT Traffic, CUHK Square und Logiroad) erzielen können.
Autorenporträt
Khaled Bayoudh é estudante de doutoramento na Escola Nacional de Engenharia e está interessado em vários aspectos tais como veículos autónomos, visão por computador e aprendizagem profunda. Antes de iniciar os seus estudos de doutoramento, Khaled obteve o seu mestrado em Sistemas de Transporte Inteligentes na Escola Nacional de Engenharia, Tunísia.
Herstellerkennzeichnung:
BoD - Books on Demand
In de Tarpen 42
22848 Norderstedt
DE
E-Mail: info@bod.de
