Ez egy előző félévben kiírt, archivált téma.
A téma a BME VIK és Continental Deep Machine Learning Competence Center együttműködésében létrejött PIA (Professional Intelligence for Automotive) részeként kerül meghirdetésre. A témára magyar és külföldi hallgatókat egyaránt várunk. A téma részletes kiírása angol nyelven érhető el. Részletek a PIA programról: https://smartlabai.medium.com/pia-projects-perseverance-e3a659bfca82 Tudományos érdeklődés esetén lehetőség van kutatási munkára is, a téma elméleti kihívásokat tartalmaz, amely TDK konferencián való részvételhez is megfelel. A téma diplomáig, illetve akár PhD témaként is folytatható. Elvárás: Korrekt, egyenletes munkavégzés, proaktívitás, olvasás szintű angoltudás. Előny: "Deep Learning a gyakorlatban Python és LUA alapon" (VITMAV45) tárgyban szerzett 4-es vagy 5-ös osztályzat.
EPro-PnP (https://github.com/tjiiv-cprg/EPro-PnP) is capable of providing a yaw angle of objects. With EPro-PnP pedestrians have a distinct yaw angle probability distribution that could make EPro-PnP enhance pedestrian detection on OD tasks. Use the yaw angle probability distribution as an (additional) discriminator feature for pedestrian(-only) detection. Benchmark the performance against a baseline OD detector.