7798

طراحي سيستم هوشمند بلادرنگ شناسايي و دسته بندي موضوع هاي متفاوت در خودروهاي خودران

كارشناسي

مهندسي برق الكترونيك

1401

دكتر شهريار برادران شكوهي

دكتر شهريار برادران شكوهي

1401/02/31

برق

Real-time intelligent system design to recognize and classify different objects in self-driving cars

يادگيري عميق شاخه اي از بحث يادگيري ماشين و هوش مصنوعي و مجموعه اي از الگوريتم هايي است، كه تلاش مي كنند، مفاهيم انتزاعي سطح بالا را با استفاده از يادگيري در سطوح و لايه هاي مختلف مدل كنند . به دليل دقت و كارايي بالا، اين الگوريتم ها در خودروهاي خودران مورد استفاده قرار گرفته است. بسياري از تصادفات رانندگي بر اثر اشتباهات انساني صورت مي گيرد. يكي از علل توجه به خودروهاي خودران جلوگيري از اين تصادفات با حذف و يا كاهش دخالت انساني و در نتيجه كاهش خسارت هاي جاني و مالي وارد شده است. همچنين صرفه جويي و استفاده بهينه از زمان يكي ديگر از عواملي است كه خودروهاي خودران را به يكي از موضوعات مورد توجه تبديل كرده است. از مواردي كه در خودروهاي خودران وجود دارد گردآوري اطلاعات، پيش بيني و تصميم گيري بر اساس داده هاي موجود است. در اين پايان نامه به ارائه، بررسي و پياده سازي شبكه ايي بر پايه مدل هاي متداول و دو نوع معماري معروف در قالب تنسورفلو ،كه يك كتابخانه منبع باز است، اشاره شده است. در حال حاضر اين معماري، جزو معمول ترين و پايدار ترين معماري شناسايي موضوع و پردازش تصوير مي باشد، كه به تشخيص اشيا پرداخته است. براي اين كار از مجموعه داده هاي كوكو استفاده شده است كه يكي از محبوب ترين مجموعه داده ها براي استفاده در رباتيك متحرك و همچنين رانندگي خودكار است.در بين الگوريتم هاي پيشنهادي، مدل SSD با معماري اينسپشن ورژن دو بيشترين سرعت را نسبت به بقيه مدل ها دارا مي¬باشد كه اين مقدار 2fps هست همچنين مدل Mask در بين بقيه، بيشترين دقت در بيشتر اجسام را دارا بود كه دقتي بيش از 88% را ثبت كرد. تمام محاسبات روي كارت گرافيك شركت انويديا مدل P1000 Quadroتست شده است.

يادگيري عميق , شبكه هاي عصبي , خودرو هاي خودران , بينايي ماشين