dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
| Título variante: |
Sobre l'ús de xarxes neuronals convolucionals per a la detecció de vianants |
| Título variante: |
Sobre el uso de redes neuronales convolucionales para la detección de peatones |
| Fecha: |
2015-06-30 |
| Resumen: |
In recent years, Deep Learning has emerged showing outstanding results for many different problems related to computer vision, machine learning and speech recognition. In this paper, we study the possibilities to apply convolutional neural networks (CNNs) and explore their power to address the pedestrian detection problem in the context of autonomous driving. We focus on creating a simple and robust framework based on the combination of a CNN architecture and a fast linear classifier. We show how the combination of these ingredients leads to a very accurate classifier, overcoming widespread techniques such as the HOG pedestrian detector and reaching state-of-the-art performance. Results from the wide range of experiments performed are analysed and compared on INRIA, one of the reference datasets for pedestrian detection. |
| Resumen: |
En els darrers anys, el Deep Learning ha sorgit mostrant resultats excepcionals en diferents problemes relacionats amb la visió per computador, l'aprenentatge automàtic i el reconeixement de la parla. En aquest article estudiem les possibilitats d'aplicar xarxes neuronals artificials (CNN en anglès) i explorem el seu potencial envers la detecció de vianants en el context de la conducció autònoma de vehicles. Ens centrem en crear un marc de treball simple i robust, basat en la combinació d'una arquitectura de xarxa neuronal convolucional i d'un classificador lineal veloç. Demostrem com, amb la combinació d'aquests ingredients, obtenim un clasificador molt precís, superant tècniques tan exteses com el detector de vianants HOG, i arribant a un rendiment com el de l'estat de lart. Els resultats del gran ventall d'experiments fets s'analitzen i es comparen amb INRIA, un dels conjunts de dades més referents per a la detecció de vianants. |
| Resumen: |
En los últimos años, el Deep Learning ha surgido mostrando resultados excepcionales en diferentes problemas relacionados con la visión por computador, el aprendizaje automático o el reconocimiento del habla. En este artículo estudiamos las posibilidades de aplicar redes neuronales artificiales (CNN en inglés) y exploramos su potencial para la detección de peatones en el contexto de la conducción autónoma de vehículos. Nos centramos en crear un marco de trabajo simple y robusto, basado en la combinación de una arquitectura de red neuronal convolucional y de un clasificador rápido. Demostramos que, con la combinación de estos ingredientes, obtenemos un clasificador muy preciso, superando técnicas tan extendidas como el detector de peatones HOG, y alcanzando un rendimiento como el del estado del arte. Los resultados del gran abanico de experimentos realizados se analizan y se comparan con INRIA, uno de los conjuntos de datos más referentes para la detección de peatones. |
| Derechos: |
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.  |
| Lengua: |
Anglès |
| Titulación: |
Grau en Enginyeria Informàtica [2502441] |
| Plan de estudios: |
Enginyeria Informàtica [958] |
| Documento: |
Treball final de grau ; Text |
| Área temática: |
Menció Computació |
| Materia: |
Conducció autònoma ;
Detecció de vianants ;
Deep learning ;
Xarxes neuronals convolucionals ;
Adaptació de domini ;
Fine-tuning ;
Conducción autónoma ;
Detección de peatones ;
Redes neuronales convolucionales ;
Adaptación de dominio ;
Autonomous driving ;
Pedestrian detection ;
Convolutional neural networks ;
Domain adaptation |
visitante ::
identificación
dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
