10700

بررسي انواع مدل ها و روش هاي يادگيري عميق استفاده شده در بينايي خودروهاي خودران

98-99

دكتر مسعود مسيح طهراني

دكتر عبدالله اميرخاني

يكي از مهمترين مسائل ارتباطي خودروي خودران با محيط، بينايي آن است كه با پردازش تصاوير دريافت-شده، با استفاده از روش¬هاي يادگيري عميق، اين اتفاق محقق مي¬شود. از جمله روش¬هاي يادگيري عميق در بينايي خودرو، شبكه¬هاي عصبي كانولوشن(CNN)، Yolo و SSD هستند كه در اين سمينار، به ويژگي¬ها و كاربردهاي آن¬ها پرداخته¬مي¬شود و بررسي مي¬شود كه براي انواع خودروها (داخل¬جاده¬اي، خارج¬جاده¬اي، خودروهاي كشاورزي و...) كدام روش و كدام شبكه مناسب است. براي مثال، در خودروهاي جاده¬اي، گاهي دقت شناسايي تصاوير اهميت چنداني ندارد و فقط شناسايي وجود برخي موانع(خودروهاي ديگر، عابر پياده و...) كافي است. طبيعتا شبكه¬اي با دقت بالا نياز نيست؛ از طرفي در اين خودروها، براي سرعت¬هاي بالا، شبكه¬اي موردنياز است كه سرعت پردازش زيادي داشته¬باشد. اما در خودروهاي خارج¬جاده¬اي، دقت بالا اهميت دارد؛ چرا كه نه تنها وجود اشياء را بايد تشخيص دهد، بلكه نوع خاك و ويژگي¬هاي مكانيكي آن را نيز بايد تا حدودي تشخيص دهد تا از اين طريق، نحوه عملكرد خودرو در آن خاك پيش¬بيني شود. واژه‌هاي كليدي: خودروي خودران- بينايي ماشين- روش هاي يادگيري عميق- بينايي خودروي خودران.

6/10/2020 12:00:00 AM

74772

1401/02/18

The Application of Deep Learning Based Methods used in Vision of Autonomous Vehicles

خودروي خودران- بينايي ماشين- روش هاي يادگيري عميق- بينايي خودروي خودران

Autonomous Vehicle - Vehicle vision - Deep learning methods - Autonomous Vehicle vision