Segmentace silnic z jednopohledových obrázků

Nguyen Cong Thuan

Master's thesis

Road Segmentation in Single View Images

Abstract:

This thesis focuses on enhancing road segmentation in single-view images using the limita-tions of existing methods through the adaptation of deep learning and transfer learning methods. It conducts to analyse state-of-the-art segmentation techniques, highlighting cur-rent challenges in diverse environmental conditions. The strategies are designed to give insights about the algorithm robustness, leveraging the capabilities of deep learning for fea-ture extraction and pattern recognition. State-of-the-art datasets are used to test the algo-rithms comprehensively in certain weather conditions. Results are evaluated using preci-sion, recall, F1 score, and the segmentation outcome of visual inspections. This is to con-tribute to the challenging domain of safety driving functionalities and insights into the real-world effectiveness of the models for road segmentation.

Abstract:

Tato práce se zaměřuje na vylepšení segmentace silnic v jednopohledových snímcích s využitím omezení existujících metod prostřednictvím adaptace metod hlubokého učení a transferového učení. Provádí analýzu nejmodernějších technik segmentace a zdůrazňuje aktuální výzvy v různých podmínkách prostředí. Strategie jsou navrženy tak, aby poskytovaly přehled o robustnosti algoritmu a využívaly schopnosti hlubokého učení pro extrakci funkcí a rozpoznávání vzorů. Ke komplexnímu testování algoritmů za určitých povětrnostních podmínek se používají nejmodernější datové sady. Výsledky jsou hodnoceny pomocí přesnosti, vyvolání, skóre F1 a výsledku segmentace vizuálních kontrol. To má přispět k náročné doméně funkcí bezpečného řízení a nahlédnutí do reálné efektivity modelů pro segmentaci silnic.

Keywords

Segmentace silnic, umělá inteligence, strojové učení, neuronová síť, segmentace obrazu

Jazyk práce: English

Datum vytvoření / odevzdání či podání práce: 13. 5. 2024

Obhajoba závěrečné práce

Tomas Bata University in Zlín

Faculty of Applied Informatics

Master programme / odbor:
Information Technologies / Software Engineering