Segmentação espacial de instâncias a partir de câmera monocular utilizando redes neurais convolutivas

Resumo

Os sistemas assistivos ao motorista para automação parcial ou total do veículo são sistemas que auxiliam na tomada de decisão e têm a capacidade de exercer um importante papel na segurança e eficiência no tráfego de veículos. Tais sistemas exigem um método robusto de percepção que seja capaz de lidar com cenários urbanos complexos e problemas de oclusão, de modo que o veículo compreenda o ambiente em que está trafegando. Em vista disso, o presente projeto de doutorado propõe um método baseado em redes neurais que realiza a segmentação espacial das instâncias, de forma que seja realizado simultaneamente o aprendizado da estimativa de informações de profundidade a partir de imagens monoculares e a segmentação de instâncias. A extração de características relevantes para o aprendizado de ambas tarefas será realizada utilizando as redes neurais convolutivas. Para possibilitar a classificação de cada pixel da imagem, a rede será projetada com a arquitetura encoder-decoder, e o aprendizado simultâneo das tarefas será dada pela divisão da arquitetura em diferentes decoders. Para tanto, serão estudados dois objetos de pesquisa, que são o conjunto de funções de perda que proporciona a melhor convergência durante o treinamento e a definição de uma arquitetura que favoreça o compartilhamento de informações entre as tarefas durante o processo de aprendizagem. Para validação da proposta, serão realizados a comparação de desempenho em benchmarks da área e experimentos reais com a plataforma CaRINA II, um projeto de veículo autônomo em desenvolvimento pelo Laboratório de Robótica Móvel em conjunto com o Laboratório de Sistemas Inteligentes da USP de São Carlos. Este projeto faz parte do projeto temático apoiado pela FAPESP, processo n. 2014/50851-0 "Instituto Nacional de Ciência e Tecnologia para sistemas autônomos cooperativos aplicados em segurança e meio ambiente". (AU)