Professional Documents
Culture Documents
DT - Kursi VELascnjad
DT - Kursi VELascnjad
AUTOMJETE
METODA PËR AUTOMJETE INTELIGJENTE
Trajtimi i sfidave të performancës së dobët të kamerave RGB në kushte me dritë të ulët duke propozuar një rrjet të
përmirësimit të Deep Learning që arrin performancën më të fundit me aftësi përpunimi në kohë reale.
RISHIKIM I LITERATURËS (I/II)
Përmirësimi efikas i imazhit me dritë të ulët të bazuar në automjet (VE-LIE) është një rrjet i lehtë që rrit në mënyrë
të pavarur komponentët e reflektimit dhe ndriçimit në dy degë të veçanta.
Rrjeti adreson ndriçimin kompleks dhe detajet në mjediset e drejtimit, duke përdorur CNN dhe Vision Transformer
si vija bazë.
METODA (II/III)
Teoria Retinex e ndan hyrjen e papërpunuar RGB në Teoria Retinex sugjeron që hartat e reflektimit janë
dy harta: të pandryshueshme në kushte të ndryshme ndriçimi,
• por zhurma në rajone më të errëta e bën modelimin
një hartë reflektimi
të vështirë.
• një hartë ndriçimi.
METODA (III/III)
Gamma U-Net (G-Unit) Tipare të Shtresës së daljes Fusion
Transformimi gama është një transformim jolinear që Degët RET dhe G-UNet përmirësojnë një imazh hyrës, më
rregullon kontrastin e imazhit duke përmirësuar ose pas i rikombinojnë ato në imazhin përfundimtar të daljes
zvogëluar pjesët e shkallës gri. RGB duke përdorur teorinë e Retinex, ku një imazh RGB
është produkti point-wise i hartave të përmirësuara të
reflektimit dhe ndriçimit.
U-Net është zgjedhur për nxjerrjen e tij të jashtëzakonshme
të veçorive dhe aftësitë e shkëlqyera të përpunimit në nivel
pixel.
EKSPERIMENTIMI (I/II)
Rezultatet e Përmirësimit
Studimi krahason teknikat e përmirësimit të ndriçimit si:
• RetinexNet,
• KinD++,
• PairLIE.
VELIE, një qasje e Deep Learning, i kalon metodat tradicionale në vlerësimet e cilësisë së imazhit dhe rezultatet
vizuale, veçanërisht në sistemet autonome të drejtimit.
EKSPERIMENTIMI (III/III)
Metoda VELIE, e cila siguron informacion më të qartë vizual dhe bazë më të mirë të të dhënave për algoritmin e
zbulimit të objekteve, tejkalon modelet e tjera në shpejtësinë e zbulimit dhe kohën e përpunimit.
PËRFUNDIMET
Ky asrtikull eksploron përdorimin e sensorëve të kamerës RGB në
sistemet inteligjente të perceptimit të automjeteve dhe zhvillon një
kornizë të bazuar në Deep Learning të quajtur Përmirësimi efikas i
imazhit me dritë të ulët të bazuar në automjete (VELIE).