Ανίχνευση διαφορετικών αντικειμένων για αυτόνομες εφαρμογές οδήγησης

Abstract

Στόχος της παρούσας διπλωματικής είναι ο εντοπισμός και η ταξινόμηση διάφορων αντικειμένων κίνησης μέσα από βίντεο σε πραγματικό χρόνο. Για να επιτευχθεί αυτό χρησιμοποιήθηκαν και συγκρίθηκαν δύο μοντέλα. Αρχικά πραγματοποιήθηκε η εκπαίδευση των δύο μοντέλων YOLO και Faster R-CNN στο σύνολο δεδομένων Berkeley DeepDrive έτσι ώστε να μπορέσουν να συγκριθούν οι επιδόσεις τους και να λάβουμε σαν αποτέλεσμα ένα συγκρίσιμο πίνακα mAP καθώς και αντίστοιχα διαγράμματα της ομαλοποιημένης συνολικής απώλειας και της μέσης ακρίβειας(mAP) . Έπειτα δόθηκε ιδιαίτερη έμφαση στο πλαίσιο της αυτόνομης οδήγησης και στην προσπάθεια σύγκρισης των επιδόσεων των μοντέλων δημιουργήθηκαν βίντεο μέτρησης FPS και mAP σε πραγματικό χρόνο.