Detail studentské práce

Detail

Úvod a motivace:

Návrhněte diagnostické metody která bude sloužit ke zvýšení bezpečnosti a
věrohodnosti predikcí prevděpodobnostních modelů ve strojovém vidění, především
v automobilovém průmyslu.
S pomocí strojového vidění dokážou moderní automobily rozpoznat a lokalizovat
objekty, naplánovat trajektorii a autonomně se mezi objekty pohybovat. Funkční
bezpečnost, danná předevsím normami ISO26262 a ISO/PAS28144, klade obecné
podmínky na vývoj a provoz produktu na veřejných komunikacích. Konkrétně
vyžaduje nutnost přítomnosti diagnostických nástrojů, která musí zachytit nežádoucí
chovaní zařížení které by mohlo vést ke zranění účastníků silničního provozu. V této
práci se proto budete zabývat interpretací procesů uvnitř neuronových sití (především
konvolučních síťí a jejich aktualních variací) a navrhnete algoritmus který bude
schopen diagnostikovat chybovost výstupů a přivést systém do bezpečneho stavu.  
 
1. Seznamte se s problematikou
   a. Seznamte se s normami o funkční bezpečnosti a teorií neuronových siti
       - deep learning - především CNN
   b. Prozkoumejte zdroje chybovnosti predický neuronových sítí– vstupní  
      data, optimalizace, nastavení modelu
   c. Proveďte rešerši metod minimalizovaní a diagnostiskování chybovosti
   d. Proveďte rozbor metod vhodných pro interpretaci procesů uvnitř
      neuronových síťí

2. Zvolte vhodný postup/metodu, popište ji a implementujte ji
   a.  Zvolte vhodný experiment pro pracovní doménu
   b. Zvolte trenovací množinu
3. Experimentálně vyhodnoťte  zvolenou metodu
   a. Výsledky porovnejte s dalšími metodami
4. Shrňte získané poznatky a navrhněte případná vylepšení

Ing. Václav Diviš se věnuje problematice funkční bezpečnosti neuronových siťí
v automobilním průmyslu již od roku 2016. V minulosti pracoval s výrobci automobilů
jako Lamorghini, Aston Martin, Porsche, Volvo a Honda. Nyní na podílí na vývoji
Autonomních řídících systemému pro značku BMW.