Master Thesis Online
Master thesis : Deep Learning for Automatic Traffic Sign Inventory on an Embedded Device
Cabay, Jean-Philippe 
Promoteur(s) :
Geurts, Pierre
Date de soutenance : 5-sep-2022/6-sep-2022 • URL permanente : http://hdl.handle.net/2268.2/16307
Master_Thesis_Jean-Philippe_Cabay_NTT.pdfDétails
| Titre : | Master thesis : Deep Learning for Automatic Traffic Sign Inventory on an Embedded Device |
| Auteur : | Cabay, Jean-Philippe
|
| Date de soutenance : | 5-sep-2022/6-sep-2022 |
| Promoteur(s) : | Geurts, Pierre
|
| Membre(s) du jury : | Van Droogenbroeck, Marc
Louppe, Gilles
Jourdain, Frédéric |
| Langue : | Anglais |
| Discipline(s) : | Ingénierie, informatique & technologie > Sciences informatiques |
| Institution(s) : | Université de Liège, Liège, Belgique |
| Diplôme : | Master : ingénieur civil en science des données, à finalité spécialisée |
| Faculté : | Mémoires de la Faculté des Sciences appliquées |
Résumé
[en] Traffic signs play an essential role in maintaining road safety by providing drivers with important information about the road and its surroundings. The road infrastructure should encourage a safe and smooth flow of traffic and reduce the risk of evaluation and driving errors on the part of road users. This thesis will focus on the development of a Proof of Concept for an embedded
traffic sign inventory system. The solution runs in real-time and to detect, classify and estimate the precise geo-coordinates of traffic signs.
Fichier(s)
Document(s)
Citer ce mémoire
Tous les documents disponibles sur MatheO sont protégés par le droit d'auteur et soumis aux règles habituelles de bon usage.
L'Université de Liège ne garantit pas la qualité scientifique de ces travaux d'étudiants ni l'exactitude de l'ensemble des informations qu'ils contiennent.
L'Université de Liège ne garantit pas la qualité scientifique de ces travaux d'étudiants ni l'exactitude de l'ensemble des informations qu'ils contiennent.
