Improving of Detection Results Through Variation of Object Appearance
| Autor: | Hrabar, Fran |
|---|---|
| Přispěvatelé: | Subašić, Marko |
| Jazyk: | chorvatština |
| Rok vydání: | 2021 |
| Předmět: |
umjetne neuronske mreže
TEHNIČKE ZNANOSTI. Računarstvo konvolucijske neuronske mreže procjena dubine deep learning računalni vid duboke neuronske mreže differentiable renderer computer vision deep neural networks TECHNICAL SCIENCES. Computing convolutional neural networks depth estimation regresija regression duboko učenje diferencijabilni prikazivač artificial neural network |
| Popis: | Tema ovog rada je poboljšanje rezultata procjene dubinske udaljenosti objekta od kamere kroz variranje teksture 3D objekta. U svrhu uključenja iscrtavanja slika i promjene teksture objekta u cjevovod koristi se diferencijabilni prikazivač PyTorch3D. Detaljno su opisani parametri scene prikazivača i skup podataka. Dotaknuta je i tema konvolucijskih neuronskih mreža i njihova primjena u detekciji objekata kao i EfficientNet u ulozi ekstraktora značajki. Na kraju rada prikazani su rezultati testiranja naučenih modela sa promjenama tekstura na skupu za testiranje. The topic of this paper is to improve the results of depth estimation of an object from camera through the variation of the texture of a 3D object. A differentiable PyTorch3D renderer is used to include image rendering and variation of the texture of a object in the pipeline. The renderer’s scene parameters and data set are described in detail. The topic of convolutional neural networks and their application in object detection as well as EfficientNet in feature extractor role were also touched upon. At the end of the paper, the results of testing the learned models with the change of texture on the testing set are presented. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|