Razvoj aplikacije za detekciju slobodnih mjesta na parkiralištu korištenjem dubokog učenja

završni rad

• Naslov (engleski): Development of deep learning-based application for detecting vacant parking spaces
• Autor: Luka Babić
• Mentor: Marko Horvat (mentor)
• Član povjerenstva: Marko Horvat (predsjednik povjerenstva)
• Član povjerenstva: Juraj Dončević (član povjerenstva)
• Član povjerenstva: Kristina Ćaleta (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2024-07-04, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Detekcija vozila postupak je računalnog vida pomoću korištenja alata poput dubokih
neuronskih mreža. Postoje različite mreže koje je moguće primijeniti na ovakav ili sličan
problem, a u ovom radu korištena je duboka neuronska mreža YOLOv8.
U implementaciji ovog rješenja, korišteno je radno okruženje Google Colab, te Python
programski jezik uz biblioteku ultralytics i upervision.
Aplikacija omogućava učitavanje fotografija i videozapisa s Google Drive-a, procjenu
položaja vozila na fotografijama, te spremanje rezultata nazad na Google Drive.
Analiza je provedena pomoću standardne konfuzijske matrice, te pratećih mjera kvalitete
performansi: točnost (engl. accuracy), odziv (engl. recall), preciznost (engl. precision) i
F1-score.

Sažetak (engleski)

Vehicle detection is a computer vision process using tools like deep neural networks. There
are different networks that can be applied to this or a similar problem, and in this work the
YOLOv8 deep neural network was used.
In the implementation of this solution, the Google Colab working environment and the
Python programming language with the Ultralytics and Supervision library were used.
The application allows uploading photos and videos from Google Drive, estimating the
position of the car in the photos, and saving the results back to Google Drive.
The analysis was carried out using the standard confusion matrix, and accompanying
performance quality measures: accuracy, recall, precision and F1-score.

• Ključne riječi: konvolucijske neuronske mreže; duboko učenje; računalni vid; detekcija parking mjesta; YOLOv8
• Ključne riječi (engleski): convolutional neural networks; deep learning; computer vision; parking space detection; YOLOv8
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:612553
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2024-10-12 20:00:11