Εντοπισμός και αναγνώριση Σηματοδοτών και Πινακίδων Σήμανσης Κυκλοφορίας μέσω Βαθιάς Μάθησης

  1. Bachelor’s thesis
  2. Χερβατίδης, Κωνσταντίνος
  3. Πληροφορική (ΠΛΗ)
  4. 18 Ιουλίου 2020 [2020-07-18]
  5. Ελληνικά
  6. 106
  7. Αναγνωστόπουλος, Χρήστος-Νικόλαος
  8. Κωτσιαντής, Σωτήριος | Σγάρμπας, Κυριάκος
  9. Συνελικτικά νευρωνικά δίκτυα | Βαθιά μάθηση | Εντοπισμός και αναγνώριση αντικειμένων | Μηχανική όραση
  10. 1
  11. 5
  12. 63
  13. Υπάρχουν 59 εικόνες, 3 Πίνακες.
    • Η πτυχιακή εργασία έχει θέμα τον εντοπισμό και την αναγνώριση σηματοδοτών και πινακίδων σήμανσης κυκλοφορίας μέσω βαθιάς μάθησης με την χρήση συνελικτικών νευρωνικών δικτύων. Συγκεκριμένα η εργασία αποτελείται από πέντε κεφάλαια. Το πρώτο κεφάλαιο αναφέρεται στο θεωρητικό πλαίσιο και υπόβαθρο της τεχνητής νοημοσύνης και των νευρωνικών δικτύων. Στο δεύτερο κεφάλαιο παρουσιάζεται πιο ειδικά η τεχνολογία των συνελικτικών νευρωνικών δικτύων, τα κυριότερα στοιχεία της δομής τους και μερικές εφαρμογές για τον εντοπισμό και αναγνώριση αντικειμένων στον τομέα της μηχανικής όρασης. Στο τρίτο κεφάλαιο ορίζεται το πρόβλημα προς επίλυση και περιγράφεται η διαδικασία υλοποίησης του συστήματος που εντοπίζει και αναγνωρίζει πινακίδες σήμανσης και σηματοδότες μέσω βαθιάς μάθησης κάνοντας χρήση της γλώσσας προγραμματισμού Python και των βιβλιοθηκών Keras και TensorFlow. Το τέταρτο κεφάλαιο περιέχει την διαδικασία αξιολόγησης του συστήματος καθώς επίσης και τα αποτελέσματα της απόδοσης του. Στο πέμπτο και τελευταίο κεφάλαιο προτείνονται κάποιες περεταίρω βελτιώσεις και επεκτάσεις του συστήματος.
    • The thesis is about localization and classification of traffic lights and traffic signs through deep learning, using Convolutional neural networks. Specifically, the paper consists of five chapters. The first chapter deals with the theoretical framework and background of artificial intelligence and neural networks. The second chapter focuses on the technology of Convolutional neural networks, the main elements of their structure and a few applications for the localization and classification tasks in Computer vision. The third chapter defines the problem to be solved and describes the process of implementing the system that detects and recognizes traffic signs and traffic lights through deep learning using the Python programming language and the Keras and TensorFlow libraries. The fourth chapter contains the process of evaluating the system as well as the results of its performance. The fifth and final chapter proposes some further improvements and extensions of the system.
  15. Hellenic Open University
  16. Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.