izpis_h1_title_alt

Analiza generalizacije semantične segmentacije z globokimi zbirkami filtrov
Prelevikj, Marko (Avtor), Kristan, Matej (Mentor) Več o mentorju... Povezava se odpre v novem oknu, Hlavač, Vaclav (Komentor)

.pdfPDF - Predstavitvena datoteka, prenos (2,50 MB)

Izvleček
Mobilni robotski sistemi, ki so sposobni avtonomne navigacije v nestrukturiranih okoljih, so odvisni od njihovih modulih vida, da bi lahko bili sposobni se navigirati čez okolje. Moduli vida priskrbijo percepcijo okolice, in pogosto morajo identificirati določene predmete, ki nas zanimajo. Identifikacija nastane tako da določene segmente slik klasificira v enem izmed vnaprej naučenih razredov. Na področju računalniškega vida obstaja veliko postopkov semantične segmentacije, ki poročajo izjemne rezultate. Vendar so ti postopki naučeni samo na določenih podatkovnih zbirkah, ki niso nujno medsebojno odvisni z različnimi prizorišči, ki jih mobilni robot opazi. Da bi preverili sposobnost podatkovne zbirke prenesti svoje znanje na novi domeni bomo preiskovali kvaliteto generalizacije njenih razredov. Preverili bomo prenos znanja specifičnega postopka semantične segmentacije, ki smo ga prilagodili našim potrebam.

Jezik:Angleški jezik
Ključne besede:semantična segmentacija, konvolucijske nevronske mreže, zaznavanje tekstur, prenos znanja
Vrsta gradiva:Diplomsko delo/naloga (mb11)
Organizacija:FRI - Fakulteta za računalništvo in informatiko
Leto izida:2017
Število ogledov:616
Število prenosov:256
Metapodatki:XML RDF-CHPDL DC-XML DC-RDF
 
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
:
Objavi na:AddThis
AddThis uporablja piškotke, za katere potrebujemo vaše privoljenje.
Uredi privoljenje...

Sekundarni jezik

Jezik:Slovenski jezik
Naslov:Generalization analysis of semantic segmentation with deep filter banks
Izvleček:
Mobile robotic systems capable of autonomous navigation in non-structured environments depend on their vision module in order to safely navigate through the environment. The vision module provides perception of the surrounding area and it is often required to identify particular objects of interest, which is done by classifying image segments into pre-learned semantic classes. There are many methods which provide remarkable semantic segmentation results, but unfortunately only on specific datasets, which are not necessarily correlated to the scenes observed by a mobile robot. To verify the dataset's capability of transferring knowledge to a new domain we explore how well it generalises its classes. We examine the transfer of knowledge on a specific semantic segmentation method, which we adjust to best fit our needs.

Ključne besede:semantic segmentation, transfer of knowledge, convolutional neural networks, texture recognition

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj