3D sémantická segmentace RGBD dat pomocí hlubokých konvolučních neuronových sítí

Cílem této práce bylo nastudování problematiky konvolučních neuronových sítí. Jejich využití v oblasti 2D a 3D sémantické segmentace a seznámení se s možnostmi jejich implementace. Výsledkem práce je otestování implementace konvoluční neuronové sítě na anotovaných datech z veřejně přístupného datasetu KITTI a vyhodnocení jejích výsledků.

Goal of this thesis was to study the issue of convolutional neural networks. Their use in 2D and 3D semantic segmentation and familiarize with possibilities of their implementation. The result of this thesis is to test an implementation of such convolutional network on anooted data from the publicly available KITTI dataset and evaluate its results.

Keywords

neuron,neuronové sítě,konvoluční neuronové sítě,KITTI,sémantická segmentace, neuron,neural network,convolutional neural network,KITTI,semantic segmentation

Permanent link

http://hdl.handle.net/10467/77237

Rights/License

A university thesis is a work protected by the Copyright Act of the Czech Republic. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one`s own expense. The use of thesis should be in compliance with the Copyright Act.

Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem v platném znění.

Collections

Master Theses - 13133

Full item page

3D Semantic Segmentation of RGBD Data with Deep Convolutional Neural Networks