Usporedba algoritama pronalaženja slučajno bačenih loptica temeljenima na računalnom vidu i dubokim neuronskim mrežama

master's thesis

• Title (english): Comparison of Algorithms for Finding Randomly Thrown Balls Based on Computer Vision and Deep Neural Networks
• Author: Dominik Keča
• Mentor: Ana Sović Kržić (mentor)
• Committee member: Ana Sović Kržić (predsjednik povjerenstva)
• Committee member: Davor Petrinović (član povjerenstva)
• Committee member: Krešimir Križanović (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2021-07-01, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

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.

Abstract (english)

The Master thesis compares different approaches to finding balls in the images. Two methods have been used to determine the exact position of the balls: deep learning algorithms and the 'traditional' computer vision algorithms that do not rely on the learning process. Pre-trained neural networks are deep learning algorithms tuned to solve semantic segmentation and object detection problems. U-Net architecture with different encoder models is used for semantic segmentation, while Faster R-CNN architecture is used for object detection. Hough transformation is an example of a traditional computer vision algorithm used to find circles in images. The learning process and algorithms testing were carried out on a handmade dataset. The obtained quality metrics show that deep learning approaches outperform the Hough transformation algorithm on two test datasets. Results and predictions are represented in table and image formats.

• Keywords: računalni vid; duboko učenje; duboke neuronske mreže; konvolucijske neuronske mreže; semantička segmentacija; detekcija objekata; klasifikacija; Houghova transformacija; mjere točnosti; augmentacija
• Keywords (english): computer vision; deep learning; deep neural networks; convolutional neural networks; semantic segmentation; object detection; classification; Hough transformation; precision metrics; augmentation
• Language: croatian
• URN:NBN: urn:nbn:hr:168:442942
• Study programme: Title: Information and Communication Technology; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2023-01-13 15:16:52