Detekcija objekata bazirana na dubokim neuronskim mrežama bez predefiniranih sidrenih okvira

završni rad

• Naslov (engleski): Object Detection Based on Anchor-free Deep Neural Networks
• Autor: Miljenko Muha
• Mentor: Sven Lončarić (mentor)
• Član povjerenstva: Sven Lončarić (predsjednik povjerenstva)
• Član povjerenstva: Luka Posilović (član povjerenstva)
• Član povjerenstva: Donik Vršnak (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-07-01, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Detekcija objekata jedan je od aktualnih i složenih problema računalnog vida. Detektori
objekata mogu se podijeliti na one koji koriste predefinirane sidrene okvire i
one koji ih ne koriste. Ovaj rad detaljno opisuje rad neuronskih mreža i konvolucijskih
neuronskih mreža koje se koriste u analizi slike. Nakon toga opisuje se arhitektura
nekih poznatijih detektora koji ne koriste predefinirane sidrene okvire. To su FCOS,
CornerNet i CenterNet. FCOS je uzet kao predstavnik ove skupine, a Faster R-CNN
kao predstavnik detektora koji koriste predefinirane sidrene okvire. Performanse ova
dva detektora testirana su i uspoređena na DOTA skupu podataka.

Sažetak (engleski)

Object detection is currently one of the most complex computer vision tasks. Object
detectors can be divided into two groups: anchor-based detectors and anchor-free
detectors. This thesis describes in detail neural networks and convolutional neural
networks used in image analysis. After that, it also describes the architecture of
some of the most well-known anchor-free detectors: FCOS, CornerNet and Center-
Net. FCOS was chosen as representative of this group and Faster R-CNN was chosen
as representative of anchor-based detectors. Performances of these two detectors were
tested and compared on DOTA dataset.

• Ključne riječi: umjetna inteligencija; strojno učenje; duboko učenje; neuronske mreže; konvolucijske neuronske mreže; analiza slike; detekcija objekata; računalni vid; predefinirani sidreni okviri
• Ključne riječi (engleski): artificial intelligence; machine learning; deep learning; neural networks; convolutional neural networks; image analysis; object detection; computer vision; anchors
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:759899
• 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: 2023-01-15 10:54:35