Příprava trénovacích dat pomocí generativních neuronových sítí

Abstract

Cílem této práce byla příprava trénovací datové sady pro detekci dopravních značek pomocí generativních neuronových sítí. V řešení byla použita upravená architektura U-Net a bylo experimentováno s aplikací stylů pomocí vrstev AdaIN podobně jako v modelu StyleGAN. Rozšířením reálné datové sady GTSDB o uměle vytvořené snímky bylo dosaženo úspěšnosti 80,36 %, což představuje zlepšení o 19,27 % oproti úspěšnosti detektoru natrénovanému pouze na reálných datech.The aim of this thesis was to prepare a training data set for traffic sign detection using generative neural networks. The solution uses a modified U-Net architecture and several experiments with the application of styles using AdaIN layers as in the StyleGAN model have been conducted. By extending the real GTSDB data set with the generated images, mean average precision of 80.36 % has been achieved, which yields an improvement of 19.27 % compared to the mean average precision of the detection model trained on real data only.