Please use this identifier to cite or link to this item: https://app.uff.br/riuff/handle/1/5800
Title: Arquiteturas deep learning aplicadas em veículos autônomos
Authors: Boden, Lucas Hippertt Stuart
metadata.dc.contributor.advisor: Orosa, Luis Martí
metadata.dc.contributor.members: Carvalho, Aline Marins Paes
Sánchez, Nayat
Issue Date: 20-Feb-2018
Abstract: Existem diversos modelos e parâmetros que podem ser utilizados ao classificarmos imagens utilizando \emph{Deep Learning}. Essas diversas variações afetam diretamente a qualidade das predições realizadas, e no contexto de veículos autônomos, esses valores podem ser a diferença entre o carro se manter na estrada ou não. Por este motivo, este projeto visa realizar um estudo de como a utilização de diferentes técnicas e arquiteturas de \emph{Deep Learning} afetam a qualidade da predição do ângulo que o veículo deve tomar para a tarefa de direção autônoma, através da realização de experimentos teóricos e práticos, com o intuito de obter resultados que possam ser utilizados tanto na tarefa de direção autônoma de veículos quanto em tarefas semelhantes.
metadata.dc.description.abstractother: There are several models and parameters that can be used to classify images using Deep Learning. These variations directly aect the quality of the assumptions made, and in context of autonomous vehicles, these values can be deferred in the car whether to stay on the road or not. For this reason, this project aims to perform a study of how the use of techniques and architectures of Deep Learning aect the quality of the angle prediction that the vehicle must take to the task of autonomous steering, through the realization of theoretical experiments and practical, in order to obtain results that are used both in the task of autonomous steering of vehicles and in similar tasks.
URI: https://app.uff.br/riuff/handle/1/5800
Appears in Collections:TGI - Trabalhos de Conclusão de Curso

Files in This Item:
File Description SizeFormat 
TCC_Lucas.pdf2.51 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.