Contributo al rilevamento dei veicoli con l'apprendimento profondo
L'apprendimento profondo sta avendo luogo, specialmente con la rapida crescita e la disponibilità di grandi database e i recenti miglioramenti nelle unità di elaborazione grafica (GPU). L'obiettivo principale di questa ricerca è quello di applicare algoritmi di apprendimento profondo, come le reti neurali convoluzionali (CNN) e le architetture profonde, in particolare il modello profondo VGG-16 per la categorizzazione e la localizzazione dei veicoli nelle scene stradali. In questa tesi, mostreremo che attraverso una parametrizzazione ottimizzata e una semplice modifica algoritmica, possiamo migliorare, anche relativamente, la robustezza di un…
Mehr
CHF 52.90
Preise inkl. MwSt. und Versandkosten (Portofrei ab CHF 40.00)
V105:
Folgt in ca. 15 Arbeitstagen
Produktdetails
- ISBN: 978-620-4-15279-0
- EAN: 9786204152790
- Produktnummer: 37737722
- Verlag: Edizioni Sapienza
- Sprache: Italienisch
- Erscheinungsjahr: 2021
- Seitenangabe: 68 S.
- Masse: H22.0 cm x B15.0 cm x D0.4 cm 119 g
- Abbildungen: Paperback
- Gewicht: 119
Über den Autor
Khaled Bayoudh é estudante de doutoramento na Escola Nacional de Engenharia e está interessado em vários aspectos tais como veículos autónomos, visão por computador e aprendizagem profunda. Antes de iniciar os seus estudos de doutoramento, Khaled obteve o seu mestrado em Sistemas de Transporte Inteligentes na Escola Nacional de Engenharia, Tunísia.
3 weitere Werke von Khaled Bayoudh:
Bewertungen
Anmelden