SYSTEME DE TRANSPORT BASE SUR LE DEEP LEARNING

Abstract

De nos jours, la conduite autonome est un domaine de recherche crucial. Ce rapport met en évidence le problème de la perception des véhicules autonomes grâce à divers capteurs de perception. Nous proposons un module de perception pour la segmentation des objets sur la route, tels que les voitures, les camions, les bus, etc. Pour implémenter ce module, nous avons travaillé avec deux architectures, à savoir YOLACT et SOLOv2. Nous avons comparé ces deux architectures neuronales afin d'optimiser la détection et donc la perception lors d'une scène de conduite sur une autoroute algérienne. Nowadays, autonomous driving is a crucial research field. This report highlights the issue of perception in autonomous vehicles using various perception sensors. We propose a perception module for object segmentation on the road, such as cars, trucks, buses, etc. To implement this module, we worked with two architectures, namely YOLACT and SOLOv2. We compared these two neural architectures to optimize detection and perception during a driving scene on an Algerian highwayفي الوقت الحاضر، يُعدّ القيادة الذاتية مجالًا بحثيًا حيويًا. يسلط هذا التقرير الضوء على قضية الإدراك في المركبات الذاتية باستخدام مختلف حساسات الإدراك. نقترح وحدة إدراك لتقسيم الأشياء على الطريق، مثل السيارات والشاحنات والحافلات، وغيرها. لتنفيذ هذه الوحدة، عملنا مع معماريتين، هما YOLACT وSOLOv2. قمنا بمقارنة هاتين المعماريتين العصبيتين لتحسين الكشف والإدراك أثناء مشهد القيادة على طريق سريع جزائري.