Login
- Originaltitel:
- Using Deep Neural Networks for Scene Understanding and Behaviour Prediction in Autonomous Driving
- Übersetzter Titel:
- Tiefe neuronale Netzwerke zur Szenenanalyse und Verhaltensprädiktion für das autonome Fahren
- Autor:
- Scheel, Oliver
- Jahr:
- 2020
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- Fakultät für Informatik
- Betreuer:
- Tombari, Federico (Priv.-Doz. Dr.)
- Gutachter:
- Tombari, Federico (Priv.-Doz. Dr.); Alahi, Alexandre (Prof., Ph.D.); Nießner, Matthias (Prof. Dr.)
- Sprache:
- en
- Fachgebiet:
- DAT Datenverarbeitung, Informatik
- TU-Systematik:
- DAT 717
- Kurzfassung:
- Autonomous driving inherently is a sequential problem. Therefore, we propose a variety of recurrent models consisting of LSTM cells for solving different tasks in the field of autonomous driving. In particular, we address the fields prediction of manoeuvres and trajectories, dealing with ambiguous predictions, planning manoeuvres and transferring learned models to new domains.
- Übersetzte Kurzfassung:
- Autonomes Fahren ist von Natur aus ein sequentielles Problem. Daher stellen wir in dieser Dissertation verschiedene rekurrente Modelle, bestehend aus LSTM Zellen, vor, um verschiedene Probleme rund um den Themenbereich autonomes Fahren zu lösen. Wir behandeln die Themen Prädiktion von Manövern und Trajektorien, den Einfluss von Unsicherheit auf Prädiktion, das Planen von Manövern und den Transfer von gelernten Modellen in neue Domänen.
- WWW:
- https://mediatum.ub.tum.de/?id=1544898
- Eingereicht am:
- 11.05.2020
- Mündliche Prüfung:
- 16.10.2020
- Dateigröße:
- 11491409 bytes
- Seiten:
- 164
- Urn (Zitierfähige URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20201016-1544898-1-9
- Letzte Änderung:
- 12.01.2021
BibTeX