Benutzer: Gast  Login
Originaltitel:
Deep Learning for Visual Scene Understanding in Autonomous Driving
Übersetzter Titel:
Deep Learning für Visuelles Szenenverständnis im Autonomen Fahren
Autor:
Halfaoui, Ibrahim
Jahr:
2019
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Elektrotechnik und Informationstechnik
Betreuer:
Diepold, Klaus (Prof. Dr.)
Gutachter:
Diepold, Klaus (Prof. Dr.); Menze, Björn (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
DAT 001d
Kurzfassung:
Deep Learning has gained huge popularity as it proved effective in solving complicated computer vision tasks. Therefore, car industry is paying special attention to this tool in the goal to build the ultimate autonomous driving system. In this context, we provide a deep Learning based solution for improving visual scene understanding for such systems by focusing on combining image semantic segmentation and depth estimation. The proposed solution leverages in-house designed Convolutional Neural N...     »
Übersetzte Kurzfassung:
Deep Learning hat große Popularität erlangt, da es sich als effektiv bei der Lösung von komplizierten Computer Vision Aufgaben erwiesen hat. Daher widmet die Automobilindustrie diesem Werkzeug besondere Aufmerksamkeit, um das ultimative autonome System zu entwickeln. In diesem Zusammenhang bieten wir eine Deep Learning-basierte Lösung zur Verbesserung des visuellen Szenenverständnisses für solche Systeme, indem wir uns auf die Kombination semantischer Bildsegmentierung und Tiefenschätzung konzen...     »
WWW:
https://mediatum.ub.tum.de/?id=1459164
Eingereicht am:
20.11.2018
Mündliche Prüfung:
16.12.2019
Dateigröße:
61440819 bytes
Seiten:
120
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20191216-1459164-1-6
Letzte Änderung:
12.03.2020
 BibTeX