Název:
Klasifikace radarových detekcí pomocí konvolučních neuronových sítí
Překlad názvu:
Classification of Radar Detections Using Convolutional Neural Networks
Autoři:
Láníček, Adam ; Zemčík, Pavel (oponent) ; Maršík, Lukáš (vedoucí práce) Typ dokumentu: Bakalářské práce
Jazyk:
eng
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [eng][cze]
Cílem této práce bylo vytvořit mechanismus klasifikace detekcí z radaru pracujícího v pásmu milimetrových vln. Práce představuje systém pro zakódování radarových dat do obrázku a dále specializovaný anotační nástroj pro podporu vytváření datových sad cílených pro použití v You Only Look Once (YOLO) metodách detekce objektů. Na datové sadě vytvořené na základě radarových snímků z cyklostezky vykazoval tento detektor úspěšnost 91%. Na základě této skutečnosti lze konstatovat, že moje řešení je důkazem proveditelnosti tohoto přístupu, který lze dále rozvíjet směrem k docílení vyšší přesnosti detekcí, případně jej přizpůsobit speciálním potřebám a prostředím.
The goal of this thesis was to create an object recognition pipeline for millimeter wave radar data. The work presents a mechanism for encoding the radar data into images as well as an in-house developed annotation tool to facilitate the dataset creation for the You Only Look Once (YOLO) based object recognition models. The YOLO detector trained on a cycling route dataset reported 91% accuracy. This solution, therefore, provides a proof of concept that can be further developed to improve the detection capabilities or to meet the requirements of the specific use cases and environments.
Klíčová slova:
data encoding; image annotation; image encoding mechanism; millimeter wave radar; mmWave radar; YOLO object recognition; anotace obrázků; kódování informace do obrázku; radar v pásmu milimetrových vln; rozpoznávání objektů pomocí YOLO přístupu
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/11012/201091