Detekcija pomorskih markera korištenjem kamera

završni rad

• Naslov (engleski): Detection of sea markers using cameras
• Autor: Maja Magdalenić
• Mentor: Nikola Mišković (mentor)
• Član povjerenstva: Nikola Mišković (predsjednik povjerenstva)
• Član povjerenstva: Ivan Lončar (član povjerenstva)
• Član povjerenstva: Nadir Kapetanović (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2021-09-14, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U ovom radu najprije je opisan način rada detektora objekata, a zatim detaljno objašnjen postupak izrade detektora objekata (pomorskih markera) korištenjem Tensorflow platforme za strojno učenje i Tensorflow Object Detection alata za korištenje unaprijed treniranih modela metodom prijenosa učenja. Razvijena su 2 modela detektora različite arhitekture (Faster R-CNN i SSD). Modeli su validirani pomoću COCO metrike te je dan grafički prikaz rezultata. Također, oba modela su testirana na određenom setu podataka, a na temelju toga napravljena je usporedba performansi modela te je donesen zaključak koji bi model bio prikladniji za korištenje.

Sažetak (engleski)

This paper first describes how object detectors work and then explains in detail the process of making object detector (in this case sea markers) using Tensorflow deep learning platform and Tensorflow Object Detection tool for using pre-trained models with learning transfer method. Two models of detectors with different architecture (Faster R-CNN and SSD) were developed. The models were validated using COCO metrics and a graphical representation of the results was given. Also, both models were tested with a specific data set, and based on that, a comparison of the model’s performances was made. In the end there is a conclusion which model would be more appropriate.

• Ključne riječi: duboko učenje; detekcija objekata; neuronske mreže; pomorski markeri; klasifikacija; lokalizacija; set podataka; unaprijed obučeni model
• Ključne riječi (engleski): deep learning; object detection; neural networks; sea markers; classification; localization; data set; pre-trained model
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:689310
• 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: 2023-01-14 09:20:17