Očitavanje komunalnih brojila pomoću strojnog učenja

završni rad

• Naslov (engleski): Reading of Communal Meters Using Machine Learning
• Autor: Luka Šimac
• Mentor: Marko Subašić (mentor)
• Član povjerenstva: Marko Subašić (predsjednik povjerenstva)
• Član povjerenstva: Karlo Koščević (član povjerenstva)
• Član povjerenstva: Denis Milošević (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2020-08-27, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Tema završnog rada je očitavanje komunalnih brojila pomoću strojnog učenja. Razvitkom algoritama dubokog učenja u granama računalnog vida došlo je do značajnog napretka u obradi i razumijevanju podataka koji se nalaze u slikama. Problem očitavanja komunalnih brojila riješen je korištenjem konvulucijskih neuronskih mreža radi njihove mogućnosti da uspješno pronađu i klasificiraju ciljani objekt. Algoritam Faster R-CNN pripada porodici algoritama konvolucijskih neuronskih mreža te pruža uspješne rezultatu u primjeni u rješavanju očitanja brojila. Važna značajka koja je dobivena iz analize eksperimentalnih podataka je sposobnost generalizacije problema.

Sažetak (engleski)

The topic of the thesis is the reading of residential meters using machine learning. With the development of deep learning algorithms in the branches of computer vision, significant progress has been made in processing and understanding the data contained in images. The problem of reading utility meters was solved by using convolutional neural networks for their ability to successfully find and classify the target object. The Faster R-CNN algorithm belongs to the family of convolutional neural network algorithms and provides successful results in solving problem of reading of residential readings. An important feature obtained from the analysis of experimental data is the ability to generalize the problem.

• Ključne riječi: Komunalna brojila; strojno učenje; Faster R-CNN
• Ključne riječi (engleski): Residential meter reading; machine learning; Faster R-CNN
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:229386
• 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 10:02:30