Název: Evaluation Of The Neural Network Object Detection In Multi-Modal Images
Autoři: Ligocki, Adam
Typ dokumentu: Příspěvky z konference
Jazyk: eng
Nakladatel: Vysoké učení technické v Brně, Fakulta elektrotechniky a komunikačních technologií
Abstrakt: This paper studies the information gain of various data domains that are commonly usedin the modern Advanced Driving Assistant Systems (ADAS) to develop robust systems that wouldincrease traffic safety. We could see a fast growth of many Deep Convolutional Neural Networks(DCNN) based solutions during the last several years. These methods are state-of-the-art in objectdetection and semantic scene segmentation. We created a small annotated dataset of synchronizedRGB, grayscale, thermal, and depth map images and used the modern DCNN framework tool toevaluate the object detection robustness of different data domains and their information gain processunderstanding the surrounding environment of the semi-autonomous driving agent.
Klíčová slova: Convolutional Neural Network; Depth Map; Grayscale; Multi-modal; Object Detection; RGB; Thermal,IR
Zdrojový dokument: Proceedings II of the 27st Conference STUDENT EEICT 2021: Selected papers, ISBN 978-80-214-5943-4

Instituce: Vysoké učení technické v Brně (web)
Informace o dostupnosti dokumentu: Plný text je dostupný v Digitální knihovně VUT.
Původní záznam: http://hdl.handle.net/11012/200832

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-447876


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Vysoké učení technické v Brně
Konferenční materiály > Příspěvky z konference