Aspekte der Datensammlung beim Einsatz von Convolutional Neural Network für das autonome Fahren

Inhaltsverzeichnis

• Abstract
• Vorwort
• Inhaltsverzeichnis
• Abbildungsverzeichnis
• Tabellenverzeichnis
• Abkürzungsverzeichnis
• Symbolverzeichnis
• Glossar
• Einleitung
• Maschinelles Lernen
  • Einführung maschinelles Lernen
  • Künstliche Neuronale Netzwerke
  • Convolutional Neural Network und seine Komponenten
  • Convolutional Neural Network und seine Wichtigkeit im Bereich des autonomen Fahrens
  • Zielbild bei der Klassifikation Muster- und Bilderkennung im öffentlichen Straßenverkehr
• Daten für den Einsatz von Convolutional Neural Network und für das autonome Fahren
  • Bedeutung von Daten und die Datenstruktur für das Convolutional Neural Network
  • Daten und die Dateninfrastruktur für das autonome Fahren
    • Datengewinnung
    • Datenspeicherung und die Herausforderungen
    • Datenverarbeitung und die Herausforderungen
  • Potenzial für ein Convolutional Neural Network Modell mit den Datensätzen von GTSRB
  • Anwendungsbeispiel: Der gesamte Datenprozess für das Convolutional Neural Network
• Forschungsstand, Problematik, weitere Herausforderungen und Ausblick
• Fazit
• Literaturverzeichnis
• Anhang A
• Stichwortverzeichnis

Zielsetzung und Themenschwerpunkte

Diese Bachelorarbeit untersucht die Eignung von Convolutional Neural Networks (CNNs) für das autonome Fahren und analysiert den gesamten Datenprozess für ein solches CNN-Modell. Die Arbeit befasst sich mit der Frage, ob CNNs im Vergleich zum menschlichen Verhalten eine höhere Erfolgsquote im autonomen Fahren erzielen können. Darüber hinaus beleuchtet die Arbeit die Herausforderungen bei der Datenspeicherung und -verarbeitung, die für das Training von CNNs im Kontext des autonomen Fahrens relevant sind.

• Eignung von Convolutional Neural Networks für das autonome Fahren
• Datenprozess für ein CNN-Modell im Kontext des autonomen Fahrens
• Herausforderungen bei der Datenspeicherung und -verarbeitung für das Training von CNNs
• Potenzial von CNNs für das autonome Fahren im Vergleich zum menschlichen Verhalten
• Anwendungsbeispiele für den Einsatz von CNNs im Bereich des autonomen Fahrens

Zusammenfassung der Kapitel

• Die Einleitung stellt die Forschungsfrage und die Zielsetzung der Bachelorarbeit vor.
• Kapitel 2 führt in das Thema maschinelles Lernen ein und erläutert die Funktionsweise von Convolutional Neural Networks.
• Kapitel 3 befasst sich mit der Bedeutung von Daten für den Einsatz von Convolutional Neural Networks und das autonome Fahren. Es analysiert verschiedene Aspekte der Datengewinnung, -speicherung und -verarbeitung sowie die Herausforderungen in diesen Bereichen.
• Kapitel 4 stellt den Forschungsstand, die Problematik und weitere Herausforderungen im Zusammenhang mit dem Einsatz von Convolutional Neural Networks für das autonome Fahren dar.

Schlüsselwörter

Convolutional Neural Network, autonomes Fahren, Datenspeicherung, Datenverarbeitung, Dateninfrastruktur, maschinelles Lernen, künstliche Intelligenz, Bilderkennung, Mustererkennung, Straßenverkehr, GTSRB, Datenprozess.