Використання змагального машинного навчання в системах сприйняття автономного керування автомобілем за допомогою 3D генеративної моделі

Метою роботи є реалізація конвеєру генерації змагальних даних, створення змагальних RGB-зображень автомобілів, згенерованих за допомогою конвеєра, та проведення експериментів з виявлення об’єктів на моделях, натренованих на синтезованих незмагальних і змагальних зображеннях.
У роботі було представлено конвеєр генерації даних, який використовує продуктивність моделі сприйняття як зворотний зв'язок для безперервної генерації дедалі складніших прикладів. За допомогою цього конвеєра було згенеровано синтетичний змагальний набір даних. Цей набір даних був використаний для доопрацювання детектора об'єктів YOLOv5, який потім був порівняний неналаштованою моделлю YOLOv5. Була проведена оцінка довіри до класу між двома синтетичними (незмагальними та змагальними) наборами даних. Також було показано кількісні (метрики точності розпізнавання автомобілів) та якісні (розпізнавання автомобілів на зображеннях) результати до доопрацьованої моделі Faster R-CNN на синтетичному незмагальному та синтетичному змагальному наборах даних та порівняно результати розпізнавання двох моделей.

Ключові слова : автономне керування автомобілем, глибоке машинне навчання, моделі виявлення об’єктів, згорткові нейронні мережі, змагальне машинне навчання, комп’ютерний зір, машинне навчання, модель сприйняття.

Коваленко В. А. Використання змагального машинного навчання в системах сприйняття автономного керування автомобілем за допомогою 3D генеративної моделі : кваліфікаційна робота … бакалавра : 122 Комп’ютерні науки / Коваленко Вікторія Андріївна. – Київ, 2023. – 48 с.