Benutzer: Gast  Login
Originaltitel:
Learning Context For Semantic Segmentation and Applications
Übersetzter Titel:
Lernen von Kontext zur semantischen Bildsegmentierung und Anwendungen
Autor:
Haltakov, Vladimir
Jahr:
2018
Dokumenttyp:
Dissertation
Fakultät/School:
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...     »
WWW:
https://mediatum.ub.tum.de/?id=1435905
Eingereicht am:
29.03.2018
Mündliche Prüfung:
07.09.2018
Dateigröße:
31065696 bytes
Seiten:
122
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20180907-1435905-1-2
Letzte Änderung:
27.09.2018
 BibTeX