Real-time semantic reasoning for autonomous driving

Σταθόπουλος, Αναστάσιος; Stathopoulos, Anastasios

dc.contributor.author	Σταθόπουλος, Αναστάσιος	el
dc.contributor.author	Stathopoulos, Anastasios	en
dc.date.accessioned	2018-09-03T08:37:21Z
dc.date.available	2018-09-03T08:37:21Z
dc.date.issued	2018-09-03
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/47480
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.15799
dc.rights	Default License
dc.subject	Αυτόνομη οδήγηση	el
dc.subject	Όραση υπολογιστών	el
dc.subject	Βαθιά μάθηση	el
dc.subject	Σημασιολογική κατάτμιση	el
dc.subject	Αναγνώριση αντικειμένων	en
dc.subject	Autonomous driving	en
dc.subject	Computer vision	en
dc.subject	Deep learning	en
dc.subject	Semantic segmentation	en
dc.subject	Object detection	en
dc.title	Real-time semantic reasoning for autonomous driving	en
heal.type	bachelorThesis
heal.classification	Όραση υπολογιστών	el
heal.classification	Μηχανική μάθηση	el
heal.language	el
heal.language	en
heal.access	campus
heal.recordProvider	ntua	el
heal.publicationDate	2018-07-10
heal.abstract	Σκοπός της παρούσας διπλωματικής εργασίας είναι η προσέγγιση δύο πολύ σημαντικών προβλημάτων που οποιαδήποτε σύστημα αυτόνομης οδήγησης χρειάζεται να επιλύσει. Τα προβλήματα αυτά είναι η κατάτμηση του δρόμου και ανίχνευση οχημάτων σε εικόνες που έχουν ληφθεί από κάμερες προσαρμοσμένες σε κάποιο όχημα και αντιστοιχούν σε μια ποικιλία από διαφορετικές καταστάσεις οδήγησης. Τα δύο προβλήματα είναι αρκετά διαφορετικά μεταξύ τους και μπορούν να μοντελοποιηθούν σαν δύο κλασικά προβλήματα του ερευνητικού πεδίου της Όρασης Υπολογιστών. Το πρόβλημα της κατάτμησης του δρόμου αποτελεί το γνωστό πρόβλημα της σημασιολογικής κατάτμησης εικόνας, ενώ αυτό της ανίχνευσης οχημάτων μπορεί να μοντελοποιηθεί ως ένα πρόβλημα ανίχνευσης αντικειμένων. Οι σύγχρονες μέθοδοι επίλυσης των προβλημάτων αυτών χρησιμοποιούν τεχνικές Βαθειάς Μηχανικής Μάθησης. Επομένως, ο στόχος της διπλωματικής αυτής είναι η κατασκευή ενός νευρωνικού δικτύου για κάθε ένα από τα δύο αυτά προβλημάτα. Ενώ οι περισσότερες σύγχρονες προσεγγίσεις σχετικά με τη σημασιολογική κατάτμηση και την ανίχνευση αντικειμένων επικεντρώνονται στη βελτίωση της απόδοσης των μοντέλων που χρησιμοποιούνται, σε αυτή την εργασία εξηγούμε πως ο χρόνος εκτέλεσης είναι μια πολύ σημαντική παράμετρος για τη σχεδίαση εφαρμογών πραγματικού χρόνου όπως αυτές που χρησιμοποιούνται για την αυτόνομη οδήγηση. Συνεπώς, τα μοντέλα που θα υλοποιήσουμε θα πρέπει να κινούνται προς αυτή την κατεύθυνση. Πιο συγκεκριμένα, θέλουμε να σχεδιάσουμε μοντέλα τα οποία να είναι όσο το δυνατόν πιο απλά και να μπορούν να κάνουν προβλέψεις σε πραγματικό χρόνο διατηρώντας παράλληλα ικανοποιητική απόδοση. Επίσης, επιθυμούμε τα μοντέλα που θα σχεδιάσουμε να μπορούν να ενοποιηθούν σε μια κοινή αρχιτεκτονική που να μπορεί να επιλύει και τα δύο προβλήματα ταυτόχρονα. Προς αυτή την κατεύθυνση, και τα δύο νευρωνικά δίκτυα που χρησιμοποιούνται έχουν αρχιτεκτονική κωδικοποιητή-αποκωδικοποιητή. Ο κωδικοποιητής είναι κοινός και στα δύο νευρωνικά δίκτυα, ενώ ο αποκωδικοποιητής είναι ξεχωριστός. Τα μοντέλα που αναπτύχθηκαν είναι αρκετά απλά και μπορούν να εκπαιδευτούν end-to-end.	el
heal.abstract	In the context of this diploma thesis we approach two problems associated with autonomous driving. Those problems are road segmentation and vehicle detection. Although one might think that those problems will be solved using the same approach, they are very diferent and can be modeled as distinct computer vision tasks. The problem of road segmentation can be viewed as an image semantic segmentation problem, while that of vehicle detection is a typical object detection problem. Current state-of-the-art approaches for solving both problems make use of neural networks and deep learning. Therefore, the goal of this thesis is to construct a deep learning model for tackling each one of the above problems. While most approaches to semantic segmentation and object detection have focused on improving performance, in this thesis we argue that computational times are very important in order to enable real time applications such as autonomous driving. Towards this goal, the models used should not be very complex, while at the same time performing very well on both tasks. In addition, we want to have a unifed architecture which is able to perform both tasks jointly. For those reasons, both networks are designed in an encoder-decoder architecture, in which the encoder (the frst 13 layers of the VGG-16 network) is the same for both tasks, while the decoder is task specifc. Our approach is inspired by the work of Marvin Teichmann et al. It is very simple, can be trained end-to-end and performs very well in the challenging KITTI dataset .	en
heal.advisorName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Τσανάκας, Παναγιώτης	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	104 σ.
heal.fullTextAvailability	true