User: Guest  Login
Original title:
Learning Context For Semantic Segmentation and Applications
Translated title:
Lernen von Kontext zur semantischen Bildsegmentierung und Anwendungen
Author:
Haltakov, Vladimir
Year:
2018
Document type:
Dissertation
Faculty/School:
Fakultät für Informatik
Advisor:
Ilic, Slobodan (Priv.-Doz. Dr.)
Referee:
Ilic, Slobodan (Priv.-Doz. Dr.); Burschka, Darius (Prof. Dr.); Geiger, Andreas (Prof. Dr.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik; MED Medizin; VER Technik der Verkehrsmittel
Keywords:
semantic segmentation, computer vision, ADAS, autonomous driving
TUM classification:
MED 230d; DAT 760d
Abstract:
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.
Translated abstract:
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
Date of submission:
29.03.2018
Oral examination:
07.09.2018
File size:
31065696 bytes
Pages:
122
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20180907-1435905-1-2
Last change:
27.09.2018
 BibTeX