<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://dk.um.si/IzpisGradiva.php?id=75089"><dc:title>Razvoj naprednega sistema za detektiranje voznih pasov na platformah GPU</dc:title><dc:creator>Crnek,	Karlo	(Avtor)
	</dc:creator><dc:creator>Rojc,	Matej	(Mentor)
	</dc:creator><dc:creator>Mlakar,	Izidor	(Mentor)
	</dc:creator><dc:subject>globoko učenje</dc:subject><dc:subject>konvolucijske nevronske mreže</dc:subject><dc:subject>segmentacija voznega pasu</dc:subject><dc:subject>strojni vid</dc:subject><dc:subject>avtonomno vozilo</dc:subject><dc:description>Problem, ki ga obravnavamo v magistrski nalogi je detektiranje voznih pasov na RGB slikah oz. posnetkih ceste pred vozilom med vožnjo. Za rešitev tega problema smo se odločili uporabiti tehnike »globokega učenja«, predvsem konvolucijske nevronske mreže, s katerimi smo izvedli semantično segmentiranje. Problem smo reševali s tremi različnimi arhitekturami nevronskih mrež, ki smo jih učili na naboru podatkov BDD100k. Modele mrež smo nato testirali in primerjali rezultate s pomočjo IoU metrike za semantično segmentacijo. Opravili smo tudi več eksperimentov s ciljem izboljšanja IoU vrednosti in generalizacije modelov. Na koncu smo modele testirali tudi na Nvidia Jetson TX2 platformi in predlagali možnost vključitve takšnih modelov v sistem avtonomnega vozila.</dc:description><dc:publisher>[K. Crnek]</dc:publisher><dc:date>2019</dc:date><dc:date>2019-09-20 10:43:23</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>75089</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>
