Detección de objetos basada en Deep Learning y aplicada a vehículos autónomos

Abstract

En este trabajo se han utilizado las redes neuronales profundas para el cometido de la detección de objetos en imágenes. En concreto, el trabajo se ha desarrollado en el contexto de los vehı́culos autónomos. Se han entrenado y comparado tres redes Faster-RCNN para la detección de peatones partiendo desde diferentes inicializaciones de sus parámetros para estudiar la influencia de la transferencia del aprendizaje. Se ha analizado un caso práctico de detección de baches en carretera. Se ha recopilado una base de datos, partiendo de repositorios y de etiquetado manual. Se ha explorado la base de datos para inicializar el entrenamiento de una manera más efectiva. Se ha evaluado y comparado el rendimiento de tres modelos Faster-RCNN para la detección de baches con diferentes extractores de caracterı́sticas. El trabajo se ha desarrollado utilizando la librerı́a Tensorflow y los modelos se han probado en el dispositivo Nvidia Drive PX2, el cual está diseñado para la investigación en conducción autónoma.