Deep 3D pose regression of real objects trained with synthetic data
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/133402
Tutor / directorEscalera Guerrero, Sergio
Realitzat a/ambUniversitat de Barcelona. Facultat de Matemàtiques i Informàtica; Universitat Rovira i Virgili. Escola Tècnica Superior d'Enginyeria
Tipus de documentProjecte Final de Màster Oficial
Data2019-04-24
Condicions d'accésAccés obert
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
The goal of this project is to create an end-to-end system able to regress the 6D pose of different objects for industrial automation applications using Deep Learning techniques. In order to solve the task a synthetic generation pipeline and a novel architecture are proposed.
MatèriesNeural networks (Computer science), Machine learning, Xarxes neuronals (Informàtica), Aprenentatge automàtic
TitulacióMÀSTER UNIVERSITARI EN INTEL·LIGÈNCIA ARTIFICIAL (Pla 2017)
Col·leccions
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
138117.pdf | 35,94Mb | Visualitza/Obre |