Entorn de conducció autònoma : Classificació automàtica de peatons, cotxes, voreres, etc., a partir de classificar i etiquetar superpixels utilitzant CRF
Mayolas Lacambra, Bernat
Sánchez Albaladejo, Gemma, dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Títol variant:	Autonumus driving : Automatic classification of pedestrians, cars sidewalks... from labeling using superpixels
Títol variant:	Entorno de conducción autónoma : Clasificación automática de peatones, coches, aceras, etc., a partir de clasificar i etiquetar superpixeles utilitzando CRF
Data:	2015-07-01
Resum:	Aquest treball consisteix en la construcció d'un classificador pel reconeixement d'imatge usant una base de dades pública. Per a la construcció d'aquest classificador, s'ha emprat informació extreta a partir de l'execució del FrameworkADAs. S'ha dissenyat el classificador a partir de Conditional Random Fields per a l'obtenció de millors resultats ja que aquest classificador incorpora el context, és a dir, els píxels pròxims al píxel objectiu a classificar,. S'ha fet servir una variant del classificador CRF, DenseCRF, que consisteix en la creació d'un model on tots els píxels de la imatge estan connectats entre ells. Pels resultats obtingus amb els CRF, més concretament DenseCRF, podem concloure com ambdós mètodes són d'utilitat per a la classificació automàtica en l'entorn de conducció autònoma.
Resum:	This work involves the development of a classifier for image recognition using a public database. Information extracted from the execution of FrameworkADAs has been used for the development of this classifier. It has been designed thorugh Conditional Random Fields, in order to achieve better results, as they take into account context, or in order words, the pixels nearby the target pixel to be classified. . A variation of the CRF classifier has been used, DenseCRF, which involves creating a model where all the pixels in the image are interconnected. The results obtained from CRF and more specifically the DenseCRF, allow us conclude that both classifiers are useful on the automatic classification algorithms in the environment autonomous driving.
Resum:	Este trabajo consiste en la construcción d'un clasificador para el reconocimiento de imagen usando una base de datos pública. Para la construcción de este clasificador, se ha usado información a partir de ejecución del FrameworkADAs. Se ha diseñado el clasificador a partir de Conditional Random Fields para la obtención de mejores resultados ya que este clasificador incorpora el contexto, es decir, los píxeles próximos al píxel objectivo a clasificar,. Se ha usado una variante del clasificador CRF, DenseCRF, que consiste en la creación de un modelo donde todos los píxeles de la imagen están conectados entre ellos. Los resultats obtenidos mediante CRF, más concretamente DenseCRF, podemos concluir que los dos métodos són de utilidad para la classificación automática en el entorno de la conducción autónoma.
Drets:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.
Llengua:	Català
Titulació:	Grau en Enginyeria Informàtica [2502441]
Pla d'estudis:	Enginyeria Informàtica [958]
Document:	Treball final de grau ; Text
Àrea temàtica:	Menció Computació
Matèria:	Classificador ; Superpíxel ; Conditional Random Fields ; DenseCRF ; Conducció autònoma ; Clasificador ; Conducción autónoma ; Classifier ; Superpixel ; Conditional random fields ; DenseCRF autonomous driving

9 p, 1.2 MB

El registre apareix a les col·leccions:
Documents de recerca > Treballs de Fi de Grau > Escola d'Enginyeria. TFG