Prepoznavanje značajki ronioca u sonarskoj slici

diplomski rad

• Naslov (engleski): Diver Features Detection in Sonar Images
• Autor: Zdravko Čićin-Šain
• Mentor: Nikola Mišković (mentor)
• Član povjerenstva: Nikola Mišković (predsjednik povjerenstva)
• Član povjerenstva: Ivan Marković (član povjerenstva)
• Član povjerenstva: Đula Nađ (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2021-02-26, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Elektrotehnika

Sažetak

U ovom diplomskom radu detaljno su opisani postupci potrebni za dobivanje modela za detekciju ronioca u sonarskim slikama. U prvom dijelu rada opisane su vrste anotacija i alati za njihovo generiranje te najbolje prakse kod njihove kreacije. Drugi dio rada započinje opisom izvora korištenih podataka te njihovom pripremom za korištenje s konvolucijskim neuronskim mrežama. Dalje slijedi opis korištenih alata i biblioteka te postupak generiranja i postavke potrebnih konfiguracijskih datoteka za treniranje modela. Na samom kraju opisani su kriteriji evaluacije modela te su isti primijenjeni na dobivenim modelima.

Sažetak (engleski)

In this thesis we gave a detailed description of the procedures required to obtain a model for detecting divers in sonar images. The first part of the paper describes types of annotations and tools for their generation, as well as best practices used in their creation. The second part of the paper begins with a description of the data used and its sources, as well as the process of preparing said data for use with convolutional neural networks. Following is a description of the used tools, libraries and frameworks used in the process of generating and setting up the necessary configuration files for model training. At the very end, the evaluation criteria of the models are described, which have been applied on the obtained models.

• Ključne riječi: Detekcija objekata; Granične kutije; Anotacija linijama; Poligonalna segmentacija; Segmentacija instanci; Anotacija orijentira; 3D kubična anotacija; XML; JSON; YOLO.txt; Darknet biblioteka; Google Colab bilježnica; Jupyter bilježnica; Anaconda
• Ključne riječi (engleski): Object detection; Bounding Boxes; Line Annotation; Polygonal Segmentation; Semantic Segmentation; Instance Segmentation; Landmark Annotation; 3D Cuboid Annotation; XML; JSON; YOLO.txt; Darknet framework; Google Colab notebook; Jupyter notebook; Anaconda
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:333445
• Studijski program: Naziv: Elektrotehnika i informacijska tehnologija; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije (mag. ing. el. techn. inf.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-15 09:55:45