Sviluppo di un sensore CNN-based per il pedestrian tracking

This paper represents a feasibility study and consequent implementation of a pedestrian detection system, in the Automotive field, on devices that are characterized by a limited amount of computational resources and a reduced cost. The problem belongs to the Object Detection domain, sub-category of Computer Vision, and is addressed with Deep Learning techniques. It comes therefore proposed a convolutional architecture using novel compression techniques, characterized by a reduced number of parameters, and its performance are evaluated in comparison to the current state of the art.

Questo elaborato rappresenta uno studio di fattibilità e conseguente implementazione di un sistema di pedestrian detection, in ambito Automotive, su dispositivi che si contraddistinguono per un quantitativo di risorse computazionali limitate e un costo ridotto. Il problema appartiene al dominio dell’Object Detection, sotto categoria della Computer Vision, e viene affrontato con tecniche di Deep Learning. Viene quindi proposta un’architettura convoluzionale adoperante tecniche di compressione innovative, caratterizzata da una numerosità dei parametri ridotta, e se ne valutano le prestazioni relative rispetto all’attuale stato dell’arte.