Pregled bibliografske jedinice broj: 1140673
Usporedba algoritama pronalaženja slučajno bačenih loptica temeljenima na računalnom vidu i dubokim neuronskim mrežama
Usporedba algoritama pronalaženja slučajno bačenih loptica temeljenima na računalnom vidu i dubokim neuronskim mrežama, 2021., diplomski rad, diplomski, Fakultet elektrotehnike i računarstva, Zagreb, Hrvatska
CROSBI ID: 1140673 Za ispravke kontaktirajte CROSBI podršku putem web obrasca
Naslov
Usporedba algoritama pronalaženja slučajno bačenih loptica
temeljenima na računalnom vidu i dubokim neuronskim mrežama
(Comparison of Algorithms for Finding Randomly Thrown Balls Based
on Computer Vision and Deep Neural Networks)
Autori
Keča, Dominik
Vrsta, podvrsta i kategorija rada
Ocjenski radovi, diplomski rad, diplomski
Fakultet
Fakultet elektrotehnike i računarstva
Mjesto
Zagreb, Hrvatska
Datum
01.07
Godina
2021
Stranica
78
Mentor
Sović Kržić, Ana
Ključne riječi
računalni vid ; duboko učenje ; duboke neuronske mreže ; konvolucijske neuronske mreže ; semantička segmentacija ; detekcija objekata ; klasifikacija ; Houghova transformacija ; mjere točnosti ; augmentacija
(computer vision ; deep learning ; deep neural networks ; convolutional neural networks ; semantic segmentation ; object detection ; classification ; Hough transformation ; precision metrics ; augmentation)
Sažetak
Diplomski rad uspoređuje različite postupke pronalaženja loptica na slikama. Zadatak traženja loptica riješen je korištenjem postupaka dubokog učenja i algoritmima računalnog vida koji se ne temelje na učenju nad podacima. Kao primjer dubokog učenja koristile su se predtrenirane neuronske mreže primijenjene za rješavanje zadataka semantičke segmentacije i detekcije objekata. Kao primjer mreže za semantičku segmentaciju, koristila se U-Net arhitektura s različitim skupinama enkodera. Kod problema detekcije objekata koristila se Faster R-CNN arhitektura gdje su isprobani različiti CNN backbone modeli. Kao primjer algoritma traženja loptica ne temeljenog na iskustvenom znanju, korištena je Houghova transformacija. Postupak učenja modela dubokog učenja, testiranje točnosti predikcija mreža i algoritama, proveden je na ručno izrađenom skupu podataka. Preciznost svih modela na dva testna skupa podataka prikazan je u nizu tablica. Pokazano je da modeli dubokog učenja puno bolje rješavaju zadani problem od algoritma Houghove transformacije.
Izvorni jezik
Hrvatski
Znanstvena područja
Računarstvo
POVEZANOST RADA
Projekti:
HRZZ-UIP-2017-05-5917 - Transformacija robota u edukacijsko sredstvo (TRES) (Sović Kržić, Ana, HRZZ ) ( CroRIS)
Ustanove:
Fakultet elektrotehnike i računarstva, Zagreb
Profili:
Ana Sović
(mentor)