Segmentace silnic z jednopohledových obrázků

Abstract

Tato práce se zaměřuje na vylepšení segmentace silnic v jednopohledových snímcích s využitím omezení existujících metod prostřednictvím adaptace metod hlubokého učení a transferového učení. Provádí analýzu nejmodernějších technik segmentace a zdůrazňuje aktuální výzvy v různých podmínkách prostředí. Strategie jsou navrženy tak, aby poskytovaly přehled o robustnosti algoritmu a využívaly schopnosti hlubokého učení pro extrakci funkcí a rozpoznávání vzorů. Ke komplexnímu testování algoritmů za určitých povětrnostních podmínek se používají nejmodernější datové sady. Výsledky jsou hodnoceny pomocí přesnosti, vyvolání, skóre F1 a výsledku segmentace vizuálních kontrol. To má přispět k náročné doméně funkcí bezpečného řízení a nahlédnutí do reálné efektivity modelů pro segmentaci silnic.