Metoda za procjenu dubine scene korištenjem jedne slike

diplomski rad

• Naslov (engleski): A Method for Scene Depth Estimation Using Single Image
• Autor: Gabriela Mišković
• Mentor: Sven Lončarić (mentor)
• Član povjerenstva: Sven Lončarić (predsjednik povjerenstva)
• Član povjerenstva: Marko Subašić (član povjerenstva)
• Član povjerenstva: Tomislav Petković (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2021-07-09, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Razvoj računarskih znanosti uvijek je bio popraćen razvojem tehnologije. Sve češća upotreba modernih vozila zahtjeva visoke tehnološke standarde. Upravo je računalni vid grana koja uvelike pronalazi primjenu u tehnološkom napretku modernih vozila. Važan zadatak koji rješava računalni vid je procjena dubine scene. Korištenje podataka o dubini vozilima omogućuje izbjegavanje sudara s objektima za koje se utvrdi da su preblizu. Na taj način se može drastično utjecati na smanjenje prometnih nesreća i samim time spasiti mnoge živote.

Cilj ovog rada bio je napraviti vlastito rješenje na temelju postojeće metode za procjenu dubine scene korištenjem samo jedne slike. U skladu s postavljenim ciljem, u radu su predstavljene umjetne neuronske mreže s posebnim naglaskom na duboke konvolucijske neuronske mreže. Opisan je korišteni kitti set podataka, kao i detalji implementacije same metode te su predstavljeni dobiveni rezultati.

Sažetak (engleski)

The development of computer science has always been followed up by the development of technology. The increasing use of modern vehicles requires high technological standards. Computer vision is part of artificial intelligence which has a wide use in technological advancement of the modern vehicles. The important task solved by computer vision is depth estimation of the scene. Usage of depth data allows vehicles to avoid collisions with objects that are believed to be too close, and that is how number of traffic collisions may be drastically reduced and many lives saved.

The aim of this paper was to create my own solution based on existing monodepth method. In addition to the subject, this paper presents artificial neural networks with special accent on deep convolutional neural networks. Used kitti data set is described, as well as the details of implementation of the method itself, and the obtained results are presented.

• Ključne riječi: monokularna procjena dubine; neuronske mreže; konvolucijske neuronske mreže; duboko učenje; računalni vid; kitti
• Ključne riječi (engleski): monodepth; neural networks; convolutional neural networks; deep learning; computer vision; kitti
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:314880
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-13 15:40:01