Detecting Objects for Autonomous System Verificatio

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F16%3A00304627" target="_blank" >RIV/68407700:21230/16:00304627 - isvavai.cz</a>
Výsledek na webu
<a href="https://dspace.cvut.cz/bitstream/handle/10467/64667/F3-BP-2016-Jasek-Otakar-jasek.pdf" target="_blank" >https://dspace.cvut.cz/bitstream/handle/10467/64667/F3-BP-2016-Jasek-Otakar-jasek.pdf</a>
DOI - Digital Object Identifier
—

Jazyk výsledku
angličtina
Název v původním jazyce
Detecting Objects for Autonomous System Verificatio
Popis výsledku v původním jazyce
In this thesis we created a framework for easy evaluation and training of Faster R-CNN type of networks. We fine-tuned VGG16 and ZFNet networks on our internal Victims dataset as well as standard KITTI dataset. We later showed that VGG16 architecture is far more suitable for fine-tuning on data from slightly different training and target domains. This framework can later serve as a baseline for further improvements in the field.
Název v anglickém jazyce
Detecting Objects for Autonomous System Verificatio
Popis výsledku anglicky
In this thesis we created a framework for easy evaluation and training of Faster R-CNN type of networks. We fine-tuned VGG16 and ZFNet networks on our internal Victims dataset as well as standard KITTI dataset. We later showed that VGG16 architecture is far more suitable for fine-tuning on data from slightly different training and target domains. This framework can later serve as a baseline for further improvements in the field.

Rok uplatnění
2016
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Počet stran výsledku
60
Místo vydání
Praha
Název nakladatele resp. objednatele
ČVUT FEL, Katedra kybernetiky - Centrum strojového vnímání
Verze
—

Podobné výsledky(10)