Projet de fin d'étude : Prédiction de l'intention des piétons pour les voitures autonomes socialement intelligentes
Etudiant : KAABOUCHE LAYLA
Filière : Master Big Data Analytics & Smart Systems (BDSaS)
Encadrant : Pr. BOUHOUTE AFAF
Annèe : 2024
Résumé : Ce projet vise à développer un modèle de deep learning utilisant des réseaux de neurones convolutionnels (CNN) combinés avec des réseaux de neurones à mémoire à long terme (LSTM) pour prédire les intentions des piétons à partir de séquences vidéo. L'approche propose l'utilisation de backbones pré-entraînés comme ResNet50 et VGG16 pour l'extraction de caractéristiques, suivis par des couches ConvLSTM pour capturer les dépendances temporelles. Les résultats montrent une amélioration significative des prédictions des comportements piétons, offrant des applications potentielles dans la sécurité routière et les véhicules autonomes.