Benutzer: Gast  Login
Originaltitel:
Learning Context For Semantic Segmentation and Applications 
Übersetzter Titel:
Lernen von Kontext zur semantischen Bildsegmentierung und Anwendungen 
Jahr:
2018 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Informatik 
Betreuer:
Ilic, Slobodan (Priv.-Doz. Dr.) 
Gutachter:
Ilic, Slobodan (Priv.-Doz. Dr.); Burschka, Darius (Prof. Dr.); Geiger, Andreas (Prof. Dr.) 
Sprache:
en 
Fachgebiet:
DAT Datenverarbeitung, Informatik; MED Medizin; VER Technik der Verkehrsmittel 
Stichworte:
semantic segmentation, computer vision, ADAS, autonomous driving 
TU-Systematik:
MED 230d; DAT 760d 
Kurzfassung:
In this work, we present two semantic segmentation methods designed to automatically learn local and global context relations from data. Our methods are able to handle both 2D and 3D information. We also introduce a framework for generation of synthetic ground truth data. Furthermore, we present two automotive applications build on top of our semantic segmentation method: parking space detection and traffic light detection. 
Übersetzte Kurzfassung:
In dieser Arbeit werden zwei Methoden zur semantischen Bildsegmentierung vorgestellt, die in der Lage sind lokale und globale Kontextbeziehungen automatisch aus Daten zu lernen. Diese Methoden können sowohl 2D als auch 3D Informationen prozessieren. Weiterhin wird ein Framework zur Generierung von künstlichen Ground Truth Daten vorgestellt. Ferner präsentieren wir zwei Anwendungen aus dem Automobilbereich, die auf die Methoden zur semantischen Bildsegmentierung basieren: Parkplatzerkennung und A...    »
 
Mündliche Prüfung:
07.09.2018 
Dateigröße:
31065696 bytes 
Seiten:
122 
Letzte Änderung:
27.09.2018