VILNIUS TECH Biblioteka kviečia sekti skelbiamas naujas apgintas disertacijas. Šiandien pristatoma disertacija anglų kalba tema „Improvement of intelligent methods for pedestrian detection in far-infrared radiation images“, kurią parengė VILNIUS TECH Elektronikos fakulteto doktorantas Paulius Tumas. Disertacija rengta 2016–2021 metais, vadovas – prof. dr. Artūras Serackis.

„Each year, over 1.35 million lives are tragically lost on roads, according to The World Health Organization (WHO). Even though the European Union (EU) has the safest roads in the world, 221 people are being killed on roads every day, thousands more are injured or disabled, with long-lasting effects. Each year EU introduces new safety measures in cars, lorries, and buses for advanced driver assistance systems (ADAS) to prevent accidents. One of the primary functions of ADAS systems is pedestrian detection based on intelligent systems. The recent development of convolutional neural network (CNN) based detectors has proven excellent results in object detection. However, not many studies have been performed with a low resolution far-infrared spectrum images. Since CNN based object detection training requires many images, a new FIR domain dataset is introduced captured during severe weather conditions called ZUT-FIR-ADAS (ZUT). This dataset is the second biggest open-access FIR dataset containing Controller Area Network (CAN) bus data synchronized with the FIR images. Then state of the art YOLO (You Only Look Once) detector is modified and trained on this newly introduced dataset, reaching 89.1 mAP (mean Average Precision). However, the dataset and detectors comparison revealed that DNN detectors tend to adapt to specific conditions and features from captured images and do not work accurately when different dataset images are provided. For this reason, ZUT and SCUT (the biggest open access FIR domain dataset) datasets were merged, and two parallel experiments were done.“


Disertacijos pavadinimas lietuvių kalba: „Intelektualiųjų metodų pėstiesiems aptikti tolimosios infraraudonosios spinduliuotės vaizduose tobulinimas“.

„Pasak Pasaulio sveikatos organizacijos (PSO), per metus, pasaulio keliuose tragiškai praranda gyvybę daugiau nei 1,35 milijono žmonių. Nors Europos Sąjungoje (ES) yra saugiausi keliai pasaulyje, kasdien keliuose žūva 221 žmogus, tūkstančiai suluošinami arba tampa neįgalūs, sukeliamos ilgalaikės pasėkmes. Kasmet diegiamos naujos lengvųjų automobilių, sunkvežimių ir autobusų saugos technologijos, skirtos pažangioms vairuotojo pagalbos sistemoms, siekiant išvengti nelaimingų atsitikimų. Viena pagrindinių vairuotojo pagalbos sistemų funkcijų yra pėsčiųjų aptikimas, grįstas intelektualiaisiais metodais. Neseniai sukurti aptiktuvai, grįsti sąsūkos dirbtinių neuronų tinklais (SDNT), parodė puikius objektų aptikimo rezultatus. Tačiau atlikta nedaug tyrimų su mažos raiškos tolimojo infraraudonųjų spindulių (TIS) spektro vaizdais. Kadangi SDNT pagrįstam objektų aptikimo mokymui reikalinga daugybė vaizdų, paruoštas naujas TIS domenų rinkinys, surinktas blogomis oro sąlygomis ir pavadintas ZUT-FIR-ADAS (ZUT). Šis rinkinys yra antras pagal dydį atviros prieigos TIS duomenų rinkinys, kuriame papildomai pateikti automobilio CAN magistralės duomenys, sinchronizuoti su TIS kameros vaizdais. Atrinkti moderniausių struktūrų aptiktuvai buvo modifikuojami ir mokomi naudojant šį naujai pristatytą duomenų rinkinį. Pavyko pasiekti 89,1 % vidutinį atpažinimo tikslumą, didesnį nei naudojant altenatyvius, nemodifikuotų struktūrų aptiktuvus. Analizuojant sąsajas tarp pavyzdžių sąvybių ir aptiktuvo atpažinimo rezultatų paaiškėjo, kad SDNT aptiktuvai linkę prisitaikyti prie vaizdų, surinktų vienodomis oro sąlygomis ir nebeveikia taip tiksliai, kai testuojama ant skirtingomis oro sąlygomis duomenų rinkinių. Dėl šios priežasties ZUT ir SCUT duomenų rinkiniai buvo sujungti į vieną ir atlikti du eksperimentiniai tyrimai.“

Mokslo darbą galite rasti VILNIUS TECH Virtualioje bibliotekoje.