Application of deep neural networks for bicycle detection and classification

Abstract

This thesis focuses on the implementation and design of convolutional neural networks for image classification and object detection. It describes the process starting from data collection and manipulation, to creation of simple CNNs with a few layers, as well as a more complex implementation of a Residual Network which uses 50 layers for classifying images into predefined categories. The object detection algorithms use pretrained models and transfer learning to create models for bicycle localization and detection.

Gegenstand dieser Arbeit ist das Design und die Implementierung von faltungsneuronale Netze zur Klassifizierung von Bildmaterial und dem Erkennen von Objekten. Angefangen mit Ausführungen über das richtige Zusammenstellen und Bearbeiten der Daten, werden alle Schritte erläutert, welche diese Aufgabenstellung mit sich bringt. Dies beinhaltet Erläuterungen über den Aufbau kleinerer CNNs mit nur wenigen Schichten, sowie Ausführungen über den Bau eines aus 50 Schichten bestehenden Residual Network. Die angewandten Algorithmen zur Objekterkennung verwenden bereits trainierte Modelle und das Konzept des Transfer-Learnings, um Modelle zur Lokalisierung und Detektion von Fahrrädern zu erstellen.