تحلیل تصویری محیط شهری غیر ساختار یافته با کمک یادگیری عمیق برای خودرو های هوشمند[پايان نامه فارسي]
آرین ثامتی
| شناسگر رکورد: | ۱۶۱۳۸ |
| رشته تحصیلی: | هوش مصنوعی و رباتیکز |
| عنوان: | تحلیل تصویری محیط شهری غیر ساختار یافته با کمک یادگیری عمیق برای خودرو های هوشمند |
| نويسنده: | آرین ثامتی |
| استاد راهنما : | دکتر بابک مجیدی دکتر محمدتقی منظوری شلمانی |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۳۹۹ |
| چکیده: | یکی از اصلی ترین پروژه های مرتبط به شهر هوشمند که امروزه بسیار مورد توجه قرار میگیرد مساله خودرو های هوشمند است. هدف نهایی در این خودرو آن است که بدون نیاز به هوش انسانی یک خودرو بتواند مسیر خود را یافته خطر های موجود را تشخیص داده و تمامی قوانین را رعایت کند. در این پایان نامه چهارچوب یادگیری عمیق بر مبنای لایه‌های چند گانه شبکه های عصبی برای تحلیل محیط غیر ساخت یافته به منظور تحلیل محیط و دریافت ادراک بهتر از محیط ارایه شده است.هنگامی که از یک خودرو هوشمند و خودران صحبت می شود اولین مساله که به ذهن میرسد آن است که این خودرو چگونه باید اشیا و موارد اصلی را تشخیص دهد.در واقع محیطی که خودرو ها به صورت واقعی در آن در حال حرکت هستند یک محیط غیر ساخت یافته است یعنی ما نمیتوانیم از قبل کلیت این محیط را به صورت طبقه بندی شده داشته باشیم و نیاز است که خودرو خود بتواند این تقسیم بندی را انجام داده و تصمیم درست را با توجه به داده های تحلیلی بدست آورده خود بگیرد. روش های موجود برای این کار متنوع هستند.اولین روشی که میتوان از آن برای تحلیل محیط غیر ساخت یافته شهری استفاده کرد.استفاده از پردازش تصویر است.ولی هدف ما در این پروژه استفاده از روش های یادگیری عمیق برای تحلیل این محیط غیر ساخت یافته می باشد. رانندگی و خودرو های خودران نیز همانند دیگر مسایل هوش مصنوعی ارتباط و یافتن رابطه میان یک سری از المان های موجود و تصمیم گیری بر مبنای آن ها است. به عنوان مثال زمانی که یک چراغ قرمز توسط ماشین تشخیص داده شد نیاز است که خودرو توقف کند و امثال این موارد. حال مساله ای که ما با آن مواجه هستیم در واقع ساختار شهری است که خودرو در آن حرکت می کند.باید به این نکته توجه کرد که در این شهر مکان چراغ های راهنمایی رانندگی ثابت نیست و همچنین هیچ تقسیم بندی کاملی نمی توان بر روی تصاویر ورودی خود و تحلیل روی آن انجام داد. به این منظور یکی از روش هایی که می تواند به ما در تشخیص این موارد و تصمیم گیری درست کمک کند استفاده از شبکه های عصبی و پیاده سازی لایه های خود بر اساس داده های جمع آوری شده است. |
| شماره ثبت | نسخه | جلد | بخش | مرجع | شماره بازیابی | در دست امانت | تاریخ بازگشت | ملاحظات | |
|---|---|---|---|---|---|---|---|---|---|
| 22534 | 1 |
جهت ثبت نظر با حساب کاربری تان وارد شوید