Processing may take a few seconds...

Dissertation

Title

Automatic selection of deep neural network parameters in mobile robotics

Authors

Promoter

Supporting promoter

[ 1 ] Instytut Automatyki, Robotyki i Inżynierii Informatycznej, Wydział Elektryczny, Politechnika Poznańska | [ P ] employee

Reviewers

Title variant

PL Automatyczny dobór parametrów głębokich sieci neuronowych w aplikacjach do robotów mobilnych

Language

english

Keywords
EN
  • Hyperparameter optimization
  • object detection
  • deep neural networks
  • mobile robotics
  • SLAM
PL
  • Automatyczny dobór parametrów
  • wykrywanie obiektów
  • głębokie sieci neuronowe
  • robotyka mobilna
  • SLAM
Abstract

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.

Number of pages

104

OECD domain

electrical engineering, electronics, computer engineering

KBN discipline

automation and robotics

Signature of printed version

DrOIN 1988

On-line catalog

to2020500403

Full text of dissertation

Download file

Access level to full text

public

First review

Barbara Siemiątkowska

Place

Warszawa, Polska

Date

02.08.2019

Language

polish

Review text

Download file

Access level to review text

public

Second review

Maciej Trojnacki

Place

Warszawa, Polska

Date

02.09.2019

Language

polish

Review text

Download file

Access level to review text

public

Dissertation status

dissertation

Place of defense

Poznań, Polska

Date of defense

15.10.2019

Unit granting title

Rada Dyscypliny Automatyka, Elektronika i Elektrotechnika Politechniki Poznańskiej

Obtained title

doktor nauk inżynieryjno-technicznych w dyscyplinie: automatyka, elektronika i elektrotechnika