User: Guest  Login
Original title:
Using Deep Neural Networks for Scene Understanding and Behaviour Prediction in Autonomous Driving 
Translated title:
Tiefe neuronale Netzwerke zur Szenenanalyse und Verhaltensprädiktion für das autonome Fahren 
Year:
2020 
Document type:
Dissertation 
Institution:
Fakultät für Informatik 
Advisor:
Tombari, Federico (Priv.-Doz. Dr.) 
Referee:
Tombari, Federico (Priv.-Doz. Dr.); Alahi, Alexandre (Prof., Ph.D.); Nießner, Matthias (Prof. Dr.) 
Language:
en 
Subject group:
DAT Datenverarbeitung, Informatik 
TUM classification:
DAT 717 
Abstract:
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. 
Translated abstract:
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. 
Oral examination:
16.10.2020 
File size:
11491409 bytes 
Pages:
164 
Last change:
12.01.2021