یادگیری زیرفضاهای متوالی برای ماشینهای خودران با دادههای نقاط ابری [Persian Thesis]
فراز حاجت دوست
| شناسگر رکورد: | ۲۰۸۳۹ |
| رشته تحصیلی: | هوش مصنوعی و رباتیکز |
| عنوان: | یادگیری زیرفضاهای متوالی برای ماشینهای خودران با دادههای نقاط ابری |
| نويسنده: | فراز حاجت دوست |
| استاد راهنما : | دکتر بابک مجیدی |
| استاد مشاور: | دکتر محمدتقی منظوری شلمانی |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۴۰۱ |
| چکیده: | نقاط ابری در صنایع مختلف کار برد گوناگونی دارند و ماشین های خودران امروزه این داده های را به عنوان بخشی از پروسه ی تشخیص اشیا برای مدیرت حرکت و جهت گیری استفاده می کنند و از این رو که دقت و سرعت در ماشین های هوشمند حرف اول را میزند لازم است که در زمینه ی تحلیل نقاط ابری پیشرفت های مناسب صورت گیرد. اکثر کارهایی که تا به امروز انجام گرفته در تشخیص اشیا به وسیله ی داده های نقاط ابری مشابه از داده های تصاویر دو بعدی برروی شبکه های کانولوژنی بوده است. اما این شبکه ها به علت بار پردازشی زیاد در ماشین های خودران هم هزینه پردازش زیادی دارند. در این مقاله سعی شده که با استفاده از یک روش یادگیری غیر حمایتی به جای لایه های کانولوژنی این هزینه ی پردازشی را پایین آورد و سرعت نتیجه گیری را افزایش داد. نتایج نشان میدهد که شبکه سرعت بیشتری دارد و می تواند بخشی از پردازش را با سرعت مناسب حتی برروی CPU انجام دهد ولی متاسفانه دقت در برخی اشیا پایین تر است ولی در کل شبکه برای اشیای مهم تر مانند عابر پیاده و ماشین ها و دوچرخه مناسب هست. واژههای کلیدی: تشخیص اشیا ۳بعدی ، نقاط ابری ، ماشینهای خودران |
| Register Number | Version | Volume | Part | Reference | Call Number | lended | Date Back | Description | |
|---|---|---|---|---|---|---|---|---|---|
| 284288 | 1 |
LoginWithYourAccountToPostComment