| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava
Prva stran > Izpis gradiva

Izpis gradiva Pomoč

Naslov:Primerjava različnih načinov učenja globokih nevronskih mrež v avtonomni vožnji : magistrsko delo
Avtorji:ID Skupek, Andraž (Avtor)
ID Holobar, Aleš (Mentor) Več o mentorju... Novo okno
Datoteke:.pdf MAG_Skupek_Andraz_2022.pdf (2,41 MB)
MD5: 9CE7D4A376FEED0233E9819CFCBD56EF
PID: 20.500.12556/dkum/70b21209-9f1d-4f25-ae13-6fbe0d990861
 
Jezik:Slovenski jezik
Vrsta gradiva:Magistrsko delo/naloga
Tipologija:2.09 - Magistrsko delo
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:V magistrskem delu opisujemo avtonomno vožnjo, algoritme za učenje avtonomnih vozil ter algoritme za razpoznavo prometnih znakov. Za implementacijo smo uporabili dva različna načina učenja avtonomnih vozil, in sicer posnemajoče učenje – za implementacijo katerega smo uporabili konvolucijske nevronske mreže, ter samoojačitveno učenje, kjer uporabljamo nevronsko mrežo, model pa se uči iz lastnih napak. Ob implementaciji avtonomnih vozil smo s pomočjo konvolucijskih nevronskih mrež implementirali tudi modele za razpoznavo prometnih znakov. Omenjene modele smo nato združili z algoritmi avtonomne vožnje in s tem dobili vozilo, ki se je sposobno v simulatorju samostojno premikati ter pospeševati ali zavirati glede na razpoznani prometni znak. Modele obeh načinov avtonomne vožnje testiramo na osmih različnih progah, kjer hitrost vožnje upravljamo tudi s pomočjo razpoznavalnika prometnih znakov. Modeli so uspešni, če uspešno prevozijo celotno progo. Rezultati naših modelov so uspešni, saj je kar nekaj modelov uspešno premagalo vseh osem prog.
Ključne besede:Avtonomna vožnja, globoko učenje, nevronske mreže, konvolucijske nevronske mreže
Kraj izida:Maribor
Kraj izvedbe:Maribor
Založnik:[A. Skupek]
Leto izida:2022
Št. strani:1 spletni vir (1 datoteka PDF (X, 75 f.))
PID:20.500.12556/DKUM-81314 Novo okno
UDK:004.85:004.032.26(043.2)
COBISS.SI-ID:103252483 Novo okno
Datum objave v DKUM:14.03.2022
Število ogledov:1122
Število prenosov:188
Metapodatki:XML DC-XML DC-RDF
Področja:KTFMB - FERI
:
SKUPEK, Andraž, 2022, Primerjava različnih  načinov učenja  globokih nevronskih  mrež v avtonomni  vožnji : magistrsko delo [na spletu]. Magistrsko delo. Maribor : A. Skupek. [Dostopano 28 marec 2025]. Pridobljeno s: https://dk.um.si/IzpisGradiva.php?lang=slv&id=81314
Kopiraj citat
  
Skupna ocena:
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share


Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:20.02.2022

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Comparison of different deep neural network learning algorithms in autonomous driving
Opis:The goal of this thesis was to study and demonstrate the performance of algorithms for autonomous driving and algorithms for traffic signs detection and recognition. We used two approaches to autonomous driving. The first one is called behavioural cloning and is using convolutional neural networks. The second one is reinforcement learning. We also implemented models for traffic signs detection and recognition. Finally, we combined those models with autonomous driving models and we simulated the control of an autonomous car which can accelerate and brake according to a recognized traffic signs. All autonomous driving models were tested on eight different simulated tracks, on which the speed of driving was controlled by traffic sign detection models. The model was marked as successful when it successfully completed the track. As demonstrated by our results, several models successfully completed all eight test tracks.
Ključne besede:Autonomus driving, neural networks, convolutional neural networks


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici