Metodologija
Proučavamo kalibriranu stereoskopiju
kao pristupačnu i moćnu osjetilnu tehnologiju
koja pokazuje jasan potencijal masovne proizvodnje
u prometnim i transportnim primjenama.
Razmatramo fundamentalni problem
istovremenog pronalaženja
objekata višestrukih razreda.
Problemu pristupamo kombiniranjem
indicija koje proizlaze iz izgleda objekta
i rekonstruirane strukture scene.
U oba slučaja oslanjamo se na kapacitet
dubokih konvolucijskih modela
treniranih s kraja na kraj.
Pregled rezultata
Većinu istraživanja proveli smo u okvirima
semantičke segmentacije, gdje provodimo
semantičku predikciju u svakom pikselu slike.
Pokazali
smo da se rekonstruirana dubina scene
može iskoristiti za formiranje
slikovne reprezentacije koja ne ovisi
o prividnoj veličini objekta.
Na taj način rekonstrukcija pomaže klasifikaciji
smanjivanjem intra-razredne varijablinosti podataka
i efikasnijim korištenjem skupa za učenje.
Međutim, memorijski zahtjevi ovakvog pristupa
onemogućavaju implementiranje ove ideje
na velikim rezolucijama u stvarnom vremenu.
Zbog toga smo oblikovali
manje zahtjevnu
arhitekturu koja uvodi ljestvičaste preskočne veze
u modificiranu DenseNet arhitekturu.
Dobiveni modeli postižu 74.3 mIoU
na podatkovnom skupu Cityscapes
i omogućavaju obradu slika od 2MP
brzinom od 7.5 Hz.
Naši glavni istraživački rezultati su:
Vremenski okvir
Početak: 1. listopada 2014.
Trajanje: 36 mjeseci
Financiranje
Budžet projekta iznosi 704 766,91 kn,
što uključuje jednu postdoktorsku plaću
tijekom trajanja projekta.
Projektu je dodatno odobreno financiranje
jednog doktoranda kroz 2+2 godine.
Projekt u potpunosti financira
Hrvatska zaklada za znanost
prema ugovoru I-2433-2014.