Beitrag zur Fahrzeugerkennung durch Deep Learning

Deep Learning findet statt, insbesondere mit dem schnellen Wachstum und der Verf gbarkeit gro er Datenbanken und den j ngsten Verbesserungen bei den Grafikprozessoren (GPUs). Das Hauptziel dieser Forschung ist die Anwendung von Deep-Learning-Algorithmen wie Convolutional Neural Networks (CNNs) und Deep-Architekturen, insbesondere das VGG-16 Deep-Modell zur Kategorisierung und Lokalisierung von Fahrzeugen in Stra enszenen. In dieser Arbeit werden wir zeigen, dass wir durch optimierte Parametrisierung und einfache algorithmische Modifikation die Robustheit eines bestimmten Faster R-CNN Netzwerks bei der Fahrzeugdetektion sogar relativ verbessern und bessere Ergebnisse auf Basis verschiedener Datenbanken (PASCAL VOC 2007, PASCAL VOC 2012, MIT Traffic, CUHK Square und Logiroad) erzielen k nnen.