Advances in Automobile Engineering
திறந்த அணுகல்

சுருக்கம்

స్వయంప్రతిపత్త డ్రైవింగ్‌లో సంపూర్ణ దృశ్య అవగాహన వైపు

Panagiotis Meletis

సంపూర్ణ దృశ్య అవగాహన అనేది భవిష్యత్ స్వీయ-డ్రైవింగ్ వాహనాలలో ఒక ముఖ్యమైన భాగం. ఆ వాహనాలు సురక్షితంగా నడపడానికి వారి పర్యావరణాన్ని అర్థం చేసుకోవడం మరియు అర్థం చేసుకోవడం చాలా ముఖ్యం. దీనికి చుట్టుపక్కల వస్తువులను (వాహనాలు, మానవులు, ట్రాఫిక్ వస్తువులు, ప్రకృతి), డ్రైవింగ్ చేయదగిన మరియు నడపలేని ఉపరితలాల (రహదారి, కాలిబాట, భవనాలు) మధ్య వివక్షత మరియు స్థిరమైన మరియు డైనమిక్ వస్తువులను ఉన్నత-స్థాయి అర్థ తరగతులుగా విభజించడం అవసరం. గతంలో, కంప్యూటర్ దృష్టి ఈ సమస్యలను వాటి సంక్లిష్టత మరియు అధిక గణన అవసరాల కారణంగా విడిగా పరిష్కరించింది. ఈ రోజుల్లో, డీప్ లెర్నింగ్-ఆధారిత సిస్టమ్‌లు ఈ సమస్యలను పరిష్కరించడానికి మాన్యువల్‌గా ఉల్లేఖించిన డేటాసెట్‌లపై శిక్షణ పొందుతాయి, అయినప్పటికీ అవి బహుళ సవాళ్లను ఎదుర్కొంటాయి: 1) ఉల్లేఖన సెమాంటిక్ తరగతుల సంఖ్య అందుబాటులో ఉన్న డేటాసెట్‌ల ద్వారా కొన్ని డజన్ల కొద్దీ గుర్తించదగిన వస్తువులను తగ్గిస్తుంది, 2 ) ఉల్లేఖనాల సాంద్రత డేటాసెట్‌ల పరిమాణానికి విలోమానుపాతంలో ఉంటుంది, భారీ డేటాసెట్ అననుకూలంగా ఉంటుంది ఖచ్చితమైన విభజన కోసం, మరియు 3) డిటెక్షన్ మరియు సెగ్మెంటేషన్ విడిగా పరిష్కరించబడతాయి, ఇది అధిక మెమరీ మరియు గణన డిమాండ్లకు దారి తీస్తుంది. మా పరిశోధన కొత్త పద్ధతులను ప్రతిపాదించడం ద్వారా పైన పేర్కొన్న సవాళ్లను పరిష్కరిస్తుంది: 1) విభిన్న సెమాంటిక్ తరగతులు మరియు విభిన్న రకాల ఉల్లేఖనాలతో బహుళ డేటాసెట్‌లలో ఒకే నెట్‌వర్క్‌కు శిక్షణ ఇవ్వడం మరియు 2) ఒకే నెట్‌వర్క్‌తో ఏకకాలంలో గుర్తించడం మరియు సెమాంటిక్ విభజన సమస్యలను పరిష్కరించడం. మేము నిజ-సమయ పనితీరుతో మా స్వయంప్రతిపత్త డ్రైవింగ్ కారులో ఆ నెట్‌వర్క్‌లను అమలు చేసాము. మేము గుర్తించదగిన తరగతుల సంఖ్యలో ఐదు రెట్లు పెరుగుదలతో పాటు అత్యాధునిక ఫలితాలను ప్రదర్శిస్తాము మరియు సమగ్ర దృశ్య అవగాహనను సాధించే దిశగా ముఖ్యమైన చర్యలు తీసుకుంటూ, ఉమ్మడి పనోప్టిక్ సెగ్మెంటేషన్ సిస్టమ్‌లో మేము సమర్ధవంతంగా గుర్తించడం మరియు విభజనను ఏకీకృతం చేస్తాము.