Duboko učenje za vizualnu odometriju

završni rad

• Naslov (engleski): Deep learning for visual odometry
• Autor: Jelena Lončar
• Mentor: Ivan Marković (mentor)
• Član povjerenstva: Ivan Marković (član povjerenstva)
• Član povjerenstva: Marta Čolaković-Bencerić (član povjerenstva)
• Član povjerenstva: Vlaho-Josip Štironja (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2024-07-05, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Rad istražuje implementaciju i evaluaciju sustava vizualne odometrije temeljenog na dubokom učenju, poznatog kao DeepVO. Vizualna odometrija ključna je značajka za praćenje kretanja kamere u stvarnom vremenu. Naglasak je na integraciji dubokih neuronskih mreža u svrhu poboljšanja preciznosti i robusnosti odometrijskog sustava automatskim ekstrahiranjen složenih značajki iz vizualnih podataka. Pomoću detaljno opisanih metodoloških pristupa, predočava se arhitektura DeepVO sustava, implementirana putem PyTorch okvira za duboko učenje. Evaluacija performansi izvršena je na relevantnim skupovima podataka koja zaključuje rad diskusijom o postignutim rezultatima i mogućim smjerovima budućih istraživanja.

Sažetak (engleski)

The paper analyzes the implementation and evaluation of the visual odometry system based on deep learning, also known as DeepVO. Visual odometry is the key component for tracking videocamera movement in real time. The emphasis is on the integration of deep neural networks which improve the precision and robustness of odometric systems by automatically extracting complex features from visual data. Using detailed methodological approaches, the architecture of the DeepVO system, implemented through the PyTorch framework for deep learning, is presented. The benchmark testing is performed on the relevant data sets. It concludes the paper with a discussion of the results achieved and possible directions for future research.

• Ključne riječi: Vizualna odometrija; duboko učenje; DeepVO; konvolucijske neuronske mreže; rekurentne neuronske mreže; KITTI Vision Benchmark Suite
• Ključne riječi (engleski): Visual odometry; deep learning; DeepVO; convolutional neural networks; recurrent neural networks; KITTI Vision Benchmark Suite
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:054946
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2024-10-12 21:20:24