Segmentación semántica para imágenes fisheye basada en CNN
Este trabajo fin de máster (TFM) está centrado en el desarrollo de un sistema de percepción basado en cámaras de campo de visión ultra-amplio de tipo fisheye para un prototipo de vehículo autónomo eléctrico. El método escogido para afrontar la comprensión del entorno a partir del sistema es el uso d...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2018 |
| País: | España |
| Institución: | Universidad de Alcalá (UAH) |
| Repositorio: | e_Buah Biblioteca Digital Universidad de Alcalá |
| Idioma: | español |
| OAI Identifier: | oai:ebuah.uah.es:10017/34563 |
| Acceso en línea: | http://hdl.handle.net/10017/34563 |
| Access Level: | acceso abierto |
| Palabra clave: | Ojo de pez Distorsión Redes neuronales convolucionales Vehículos autónomos CNN (Convolutional Neural Network) Deep Learning Telecomunicaciones Telecommunication |
| Sumario: | Este trabajo fin de máster (TFM) está centrado en el desarrollo de un sistema de percepción basado en cámaras de campo de visión ultra-amplio de tipo fisheye para un prototipo de vehículo autónomo eléctrico. El método escogido para afrontar la comprensión del entorno a partir del sistema es el uso de segmentación semántica mediante redes neuronales convolucionales (CNN) dado que permite cubrir la mayoría de necesidades de un vehículo autónomo de manera unificada. Para ello se desarrollan nuevas arquitecturas de red, mecanismos de data-augmentation y datasets sintéticos específicos para abordar el problema generado por la fuerte distorsión. |
|---|