Detekce vzácných událostí pro autonomní auta
Rare event detection for autonomous driving
Type of document
bakalářská prácebachelor thesis
Author
Kyrylo Herasymenko
Supervisor
Neumann Lukáš
Opponent
Matoušek Martin
Field of study
Enterprise systémyStudy program
Softwarové inženýrství a technologieInstitutions assigning rank
katedra počítačůRights
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
Show full item recordAbstract
Hlavním cílem této studie je porovnat běžné detektory objektů s moderními samo-učícími se detektory objektů v kontextu řízení vozidel. Nejprve jsou vytvořene dvě datové sady: první sada obsahuje náhodné videozáznamy z jízdy, zatímco druhá sada je vytvořena pomocí navrženého postupu pro detekci neobvyklých událostí. Tyto datové sady jsou poté zpracovány pomocí standardního detektoru objektů a samo-učícího se modelu. Výsledky jsou porovnány a analyzovány, aby se zjistilo, zda objekty, které nejsou detekovány běžným detektorem, mohou ovlivnit chování vozidla. The main goal of this work is to compare standard object detectors with modern self-supervised object detectors in the context of vehicle driving. In the first part, two data subsets are created. The first subset consists of random video samples of driving, while the second subset is generated using a designed pipeline for detecting unusual events. These datasets are then processed using both a standard object detector and a self-supervised model. The results are compared and analyzed to determine whether objects undetected by the common detector can affect vehicle behavior.
Collections
- Bakalářské práce - 13136 [1123]