Dissertação

OmniDRL: Robust Pedestrian Detection using Omnidirectional Cameras and Deep Reinforcement Learning EVALUATED

A detecção de pedestres é um dos tópicos mais explorados em Visão por Computador. O aumento do uso de deep learning em Visão por Computador nos últimos anos permitiu o aumento de novos algoritmos para detecção de objectos e em particular em detecção de pedestres. Uma das principais classe de algoritmos baseia-se na utilização de deep learning em Reinforcement Learning. No entanto, a detecção de objectos em sistemas omnidireccionais é um tema pouco investigado na literatura, dada a existência de complexidades associadas à distorção. Apesar disso, estes sistemas são muito úteis para diferentes tipos de aplicações, como por exemplo, desde sistemas de vigilância a percepção em robótica. Nesta dissertação, eu apresento uma nova técnica para uma robusta detecção de pedestres em sistemas catadióptricos centrais usando deep Reinforcement Learning. O meu método é testado e comparado com outras técnicas que não consideram os problemas associados com a distorção. Para além do novo formalismo presentado, os resultados deste novo método superam os do Estado da Arte.
detecção de objectos, visão omnidirecional, sistemas catadióptri- cos centrais, convolutional neural networks, deep learning, reinforcement learning.

Maio 29, 2018, 17:30

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Jacinto Carlos Marques Peixoto do Nascimento

Departamento de Engenharia Informática (DEI)

Professor Auxiliar

ORIENTADOR

Pedro Daniel dos Santos Miraldo

ISR

Investigador