Multimodální zpracování dat a mapování v robotice založené na strojovém učení

Simple item page
but.committeeprof. Ing. Pavel Jura, CSc. (předseda) plk. gšt. doc. Ing. Jan Mazal, Ph.D. (člen) prof. Ing. Martin Drahanský, Ph.D. (člen) prof. Ing. František Duchoň, Ph.D. - oponent (člen) doc. Ing. Martin Saska, Dr. rer. nat. - oponent (člen)cs
but.defenceDoktorand prezentoval ve vymezeném čase výsledky své práce a zodpověděl všechny dotazy jak členů komise, tak i ostatních přítomných.cs
but.jazykangličtina (English)
but.programKybernetika, automatizace a měřenícs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorŽalud, Luděken
dc.contributor.authorLigocki, Adamen
dc.contributor.refereeDuchoň,, Františeken
dc.contributor.refereeSaska,, Martinen
dc.date.accessioned2021-12-21T03:55:48Z
dc.date.available2021-12-21T03:55:48Z
dc.date.created2021cs
dc.description.abstractDisertace se zabývá aplikaci neuronových sítí pro detekci objektů na multimodální data v robotice. Celkem cílí na tři oblasti: tvorbu datasetu, zpracování multimodálních dat a trénování neuronových sítí. Nejdůležitější části práce je návrh metody pro tvorbu rozsáhlých anotovaných datasetů bez časové náročného lidského zásahu. Metoda používá neuronové sítě trénované na RGB obrázcích. Užitím dat z několika snímačů pro vytvoření modelu okolí a mapuje anotace z RGB obrázků na jinou datovou doménu jako jsou termální obrázky, či mračna bodů. Pomoci této metody autor vytvořil dataset několika set tisíc anotovaných obrázků a použil je pro trénink neuronové sítě, která následně překonala modely trénované na menších, lidmi anotovaných datasetech. Dále se autor v práci zabývá robustností detekce objektů v několika datových doménách za různých povětrnostních podmínek. Práce také popisuje kompletní řetězec zpracování multimodálních dat, které autor vytvořil během svého doktorského studia. To Zahrnuje vývoj unikátního senzorického zařízení, které je vybavené řadou snímačů běžně užívaných v robotice. Dále autor popisuje proces tvorby rozsáhlého, veřejně dostupného datasetu Brno Urban Dataset. Na závěr autor popisuje software, který vznikl během jeho studia a jak je tento software užit při zpracování dat v rámci jeho práce (Atlas Fusion a Robotic Template Library).en
dc.description.abstractThis dissertation deals with the application of object detection neural networks on multimodal data in robotics. It aims at three topics: dataset-making, multimodal data processing, and neural network training. The most important is a proposed method that allows creating a large training dataset without an expensive and time-demanding human annotation. The method uses the neural network model trained on the RGB image data and uses multiple sensors' data to create the surrounding map and transfers the annotations of objects detected in the RGB image to the other data domain, like thermal images or point cloud data. Applying this approach, the author generated the thermal image dataset, which contained hundreds of thousands of annotated images, and used them to train the network that outperformed other models trained on human-annotated data. Moreover, the thesis also studies the robustness of object detection in various data domains during difficult weather conditions. The thesis also describes the entire multimodal data processing pipeline that the author created during his Ph.D. studies. That includes developing a unique sensory framework that employs a wide range of commonly used sensors in robotics and self-driving cars. Next, it describes the process of using the sensory framework to make a large-scale publically available open-source navigation and mapping dataset called Brno Urban Dataset. Finally, it covers the description of the custom-made software tools, the Atlas Fusion and the Robotic Template Libarary that the author used to manipulate the multimodal data.cs
dc.description.markPcs
dc.identifier.citationLIGOCKI, A. Multimodální zpracování dat a mapování v robotice založené na strojovém učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.cs
dc.identifier.other137388cs
dc.identifier.urihttp://hdl.handle.net/11012/203255
dc.language.isoencs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectMultimodální dataen
dc.subjectsenzorický rámecen
dc.subjectsenzorická fúzeen
dc.subjectstrojové učeníen
dc.subjectneuronové sítěen
dc.subjectdetekce objektůen
dc.subjecttransfer learningen
dc.subjectdataseten
dc.subjectMultimodal Datacs
dc.subjectSensory Frameworkcs
dc.subjectSensory Fusioncs
dc.subjectMachine Learningcs
dc.subjectNeural Networkscs
dc.subjectObject Detectioncs
dc.subjectTransfer Learningcs
dc.subjectDatasetcs
dc.titleMultimodální zpracování dat a mapování v robotice založené na strojovém učeníen
dc.title.alternativeMachine Learning-Based Multimodal Data Processing and Mapping in Roboticscs
dc.typeTextcs
dc.type.driverdoctoralThesisen
dc.type.evskpdizertační prácecs
dcterms.dateAccepted2021-12-20cs
dcterms.modified2021-12-20-11:51:38cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid137388en
sync.item.dbtypeZPen
sync.item.insts2021.12.21 04:55:48en
sync.item.modts2021.12.21 04:13:14en
thesis.disciplinebez specializacecs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav automatizace a měřicí technikycs
thesis.levelDoktorskýcs
thesis.namePh.D.cs
Files
Original bundle
Now showing 1 - 5 of 5
Thumbnail Image
Name:
final-thesis.pdf
Size:
7.32 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
thesis-1.pdf
Size:
3.47 MB
Format:
Adobe Portable Document Format
Description:
thesis-1.pdf
Download
Thumbnail Image
Name:
Posudek-Oponent prace-oponentsky posudek prof. Duchon.pdf
Size:
3.56 MB
Format:
Adobe Portable Document Format
Description:
Posudek-Oponent prace-oponentsky posudek prof. Duchon.pdf
Download
Thumbnail Image
Name:
Posudek-Oponent prace-Opponents review Ing. Saska Dr._dissertation_Ing. Ligocki.pdf
Size:
242 KB
Format:
Adobe Portable Document Format
Description:
Posudek-Oponent prace-Opponents review Ing. Saska Dr._dissertation_Ing. Ligocki.pdf
Download
Thumbnail Image
Name:
review_137388.html
Size:
4.01 KB
Format:
Hypertext Markup Language
Description:
review_137388.html
Download
Collections
2021