Název: Transfer Learning For Deep Convolutional Neural Network From Rgb To Ir Domain
Autoři: Ligocki, Adam ; Jelínek, Aleš
Typ dokumentu: Příspěvky z konference
Jazyk: eng
Nakladatel: Vysoké učení technické v Brně, Fakulta elektrotechniky a komunikačních technologií
Abstrakt: In this paper, we are presenting a proof of concept of our system for training of the YOLOv3 neural network for object detection of vehicles in thermal camera images. Our approach is unique in the way we are using a dataset containing a large number of synchronized range measurements as well as RGB and thermal images. We are using the existing YOLO toolkit to detect objects on the RGB images, we estimate detection distance by the LiDAR and later we reproject these detections into the IR image. In this way, we have created a large dataset of annotated thermal images that helped us to significantly improve the performance of the neural network at the IR domain.
Zdrojový dokument: Proceedings I of the 26st Conference STUDENT EEICT 2020: General papers, ISBN 978-80-214-5867-3

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/11012/200597

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-447649


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