Automatic selection of deep neural network parameters in mobile robotics
[ 1 ] Instytut Automatyki, Robotyki i Inżynierii Informatycznej, Wydział Elektryczny, Politechnika Poznańska | [ P ] employee
PL Automatyczny dobór parametrów głębokich sieci neuronowych w aplikacjach do robotów mobilnych
english
- Hyperparameter optimization
- object detection
- deep neural networks
- mobile robotics
- SLAM
- Automatyczny dobór parametrów
- wykrywanie obiektów
- głębokie sieci neuronowe
- robotyka mobilna
- SLAM
EN The main problem in the dissertation is addressing the HPO (Hyperparameters Optimization) for automatic selection of the deep neural networks' parameters in the domain of mobile robotics. The use of different metrics and how to evaluate the results of neural networks applied in a mobile robot equipped with a camera and a LIDAR were investigated. The goal was to optimize the training process in different scenarios, assuming a small amount of data and a short time of the deployment in the field. The research fulfills the gap in recent Deep Neural Network study by incorporating HPO into training. Thus the effort needed for the deployment within the context of the practical applications is decreased. The proposed methodology efficiently reduces the computational resources required in the situation when the expert knowledge concerning the initial guess of hyperparameters is limited.
PL Głównym aspektem badawczym podjętym w rozprawie doktorskiej jest optymalizacja hiper-parametrów w celu zautomatyzowania doboru wartości parametrów głębokich sieci neuronowych w robotyce mobilnej. Automatyzacja doboru wartości parametrów usprawnia proces uczenia oraz obniża zapotrzebowanie na moc obliczeniową w szczególności w przypadku gdy dostęp do wiedzy eksperckiej jest ograniczony. W pracy zbadano różne metryki do oceny działania głębokich sieci neuronowych w zastosowaniu do robota mobilnego wyposażonego m. in. w kamerę oraz laserowy system pomiarowy. Ze względu na specyfikę praktycznego zastosowania skoncentrowano się na optymalizacji procesu uczenia uwzględniając małą liczność danych w zbiorze trenującym. Rezultatem prac badawczych jest uzupełnienie dziedziny głębokich sieci neuronowych o metodę HPO w kontekście automatyzacji uczenia robota mobilnego, dzięki temu proces wdrażania modeli został usprawniony.
104
electrical engineering, electronics, computer engineering
automation and robotics
DrOIN 1988
public
Barbara Siemiątkowska
Warszawa, Polska
02.08.2019
polish
public
Maciej Trojnacki
Warszawa, Polska
02.09.2019
polish
public
dissertation
Poznań, Polska
15.10.2019
Rada Dyscypliny Automatyka, Elektronika i Elektrotechnika Politechniki Poznańskiej
doktor nauk inżynieryjno-technicznych w dyscyplinie: automatyka, elektronika i elektrotechnika