Detección de objetos basada en Deep Learning y aplicada a vehículos autónomos
Fecha
2018-09-28Autor
Arriola Oregui, Ignacio
Metadatos
Mostrar el registro completo del ítemResumen
En este trabajo se han utilizado las redes neuronales profundas para el cometido de la detección
de objetos en imágenes. En concreto, el trabajo se ha desarrollado en el contexto de los vehı́culos
autónomos.
Se han entrenado y comparado tres redes Faster-RCNN para la detección de peatones partiendo
desde diferentes inicializaciones de sus parámetros para estudiar la influencia de la transferencia
del aprendizaje.
Se ha analizado un caso práctico de detección de baches en carretera. Se ha recopilado una base
de datos, partiendo de repositorios y de etiquetado manual. Se ha explorado la base de datos
para inicializar el entrenamiento de una manera más efectiva. Se ha evaluado y comparado el
rendimiento de tres modelos Faster-RCNN para la detección de baches con diferentes extractores
de caracterı́sticas.
El trabajo se ha desarrollado utilizando la librerı́a Tensorflow y los modelos se han probado en el
dispositivo Nvidia Drive PX2, el cual está diseñado para la investigación en conducción autónoma.