Πρόβλεψη μελλοντικών γεγονότων σε βίντεο σκηνών αστικού περιβάλλοντος
Διπλωματική Εργασία
| Επιβλέπων | Γιώργος Στάμου |
|---|---|
| Συσχετιζόμενο μάθημα | Νευρωνικά Δίκτυα και Βαθιά Μάθηση |
Περιγραφή
Η πρόβλεψη μελλοντικών γεγονότων αποτελεί σημαντικό χαρακτηριστικό της νοημοσύνης. Σε συστήματα πραγματικού χρόνου, π.χ. σε ρομποτική ή αυτόνομη οδήγηση, η πρόβλεψη αυτή είναι εξαιρετικά σημαντική για την κατανόηση της οπτικής σκηνής και για τη λήψη αποφάσεων. Πρόσφατες εργασίες έδειξαν ότι για να προβλέψουμε τη σημασιολογική κατάτμηση των μελλοντικών πλαισίων βίντεο, η πρόβλεψη σε σημασιολογικό επίπεδο είναι πιο αποτελεσματική από την πρόβλεψη πλαισίων RGB του βίντεο και στη συνέχεια την κατάτμηση αυτών. Στη παρούσα διπλωματική εργασία θα μελετηθούν τεχνικές μηχανικής μάθησης για εξαγωγή και χαρακτηρισμό αντικειμένων από ακολουθίες βίντεο (σημασιολογική κατάτμηση) με χρήση χωρικών συνελικτικών νευρωνικών δικτύων. Σκοπός της εργασίας θα είναι η σημασιολογική κατάτμηση των μελλοντικών πλαισίων στις ακολουθίες βίντεο από το σύνολο δεδομένων Cityscapes Dataset, το οποίο επικεντρώνεται στη σημασιολογική κατανόηση των σκηνών σε αστικούς δρόμους.
Απαιτούμενες/επιθυμητές γνώσεις: Python, βιβλιοθήκες μηχανικής μάθησης, οικειότητα με τεχνολογίες εκμάθησης νευρωνικών δικτύων.
Για περισσότερες πληροφορίες επικοινωνήστε με τον Γ. Στάμου (τηλ. 7723040, e-mail: gstam at cs.ntua.gr) και την Παρασκευή Τζούβελη (τηλ. 7723037, e-mail: tpar at image.ntua.gr)