Object detection and tracking for autonomous driving
Otonom sürüş için nesne algılama ve takibi
- Tez No: 938018
- Danışmanlar: DR. SABER FALLAH
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: University of Surrey
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Yapay Zeka ve Robotik Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Mühendisliği Bilim Dalı
- Sayfa Sayısı: 66
Özet
Otonom araçlar için çok gerekli olan algılama kısmı incelenmiştir. Nesne algılama, sınıflandırma ve takibi yöntemlerini kullanmak için belirli bir mimarinin ayrıntıları araştırılmıştır. Ayrıca, eğitim süreci için gereken veri kümesi üzerinde araştırma yapılmıştır. Bu projede, Scaled-YOLOv4 ve YOLOv7 olan iki YOLO algoritmasına odaklanacağız. Ayrıca, bunları KITTI ve WAYMO veri kümeleri olan iki farklı veri kümesiyle eğiteceğiz. Eğitimden sonra, ince ayar ve katman dondurma tekniklerini kullanarak doğruluğu artırmaya çalışacağız. Ayrıca, eğitim süreçlerimizin sonuçlarını yansıtan bazı önemli grafikler incelenecektir. Son olarak, en iyi eğitilmiş model ağırlığını simüle edeceğiz.
Özet (Çeviri)
The perception part, which is very necessary for autonomous vehicles, has been examined. The details of a particular architecture were explored using Object detection, classification and tracking methods. In addition, research was carried out on the data set required for the training process. In this project, we will focus on two YOLO algorithms, which are Scalled-YOLOv4 and YOLOv7. Moreover, we will train them with two different datasets, which are KITTI and WAYMO datasets. After training, we will try to improve the accuracy by using fine-tuning and freezing layers technics. In addition, some significant graphs that reflect our training process results will be examined. Finally, we will simulate the best-trained model weight.
Benzer Tezler
- Derin obje sezicilerle tümleştirilmiş bayesçi filtreleme ile videoda obje izleme
Integration of bayesian filtering and deep object detection for video object tracking
FİLİZ GÜRKAN GÖLCÜK
Doktora
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU
- Multi-object tracking by associations on temporal window
Geçici pencerede çağrışımlara dayalı çoklu nesne takibi
GÜLTEKİN GÜNDÜZ
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TANKUT ACARMAN
- Design, implementation and comparison ofsensor fusion methods for object detection and trackingbased on multiple 3D lidar sensors
Çoklu 3D lidar sensörleri üzerindenesne algılama ve takibi için sensör füzyon yöntemlerinintasarımı, uygulaması ve karşılaştırılması
ELİF AKSU TAŞDELEN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. VOLKAN SEZER
- Araç kamerası görüntülerinde nesne ve nesne hareketi tespiti için bütünleşik bir derin öğrenme mimarisi
A unified deep learning architecture for object and motion detection in vehicle cameras
ÖZLEM OKUR
Yüksek Lisans
Türkçe
2024
Mühendislik BilimleriEskişehir Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET KILIÇARSLAN
- Otonom araçlar için şerit ve nesne tespiti
Object and lane detection for autonomous vichel
MD NASRULLAH
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBandırma Onyedi Eylül ÜniversitesiAkıllı Ulaşım Sistemleri ve Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYKUT DİKER