3D sémantická segmentace RGBD dat pomocí hlubokých konvolučních neuronových sítí
3D Semantic Segmentation of RGBD Data with Deep Convolutional Neural Networks
Typ dokumentu
diplomová prácemaster thesis
Autor
Hobza Martin
Vedoucí práce
Zimmermann Karel
Oponent práce
Krajník Tomáš
Studijní obor
RobotikaStudijní program
Kybernetika a robotikaInstituce přidělující hodnost
katedra kybernetikyPráva
A university thesis is a work protected by the Copyright Act. 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 http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská 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 http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
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.
Kolekce
- Diplomové práce - 13133 [495]