Primerjava različnih načinov učenja globokih nevronskih mrež v avtonomni vožnji

magistrsko delo

Andraž Skupek (Avtor), Aleš Holobar (Mentor)

Povzetek

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;magistrske naloge;

Podatki

Jezik:	Slovenski jezik
Leto izida:	2022
Tipologija:	2.09 - Magistrsko delo
Organizacija:	UM FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Založnik:	[A. Skupek]
UDK:	004.85:004.032.26(043.2)
COBISS:	103252483
Št. ogledov:	107
Št. prenosov:	24
Ocena:	0 (0 glasov)
Metapodatki:

Ostali podatki

Sekundarni jezik:	Angleški jezik
Sekundarni naslov:	Comparison of different deep neural network learning algorithms in autonomous driving
Sekundarni povzetek:	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.
Sekundarne ključne besede:	autonomus driving;neural networks;convolutional neural networks;
Vrsta dela (COBISS):	Magistrsko delo/naloga
Komentar na gradivo:	Univ. v Mariboru, Fak. za elektrotehniko, računalništvo in informatiko, Računalništvo in informacijske tehnologije
Strani:	1 spletni vir (1 datoteka PDF (X, 75 f.))
ID:	14575160