Detekcija i klasifikacija prometnih znakova ograničenja brzine

završni rad

• Naslov (engleski): Detection and Classification of Speed Limit Traffic Signs
• Autor: Tihomir Pavić
• Mentor: Mario Cifrek (mentor)
• Član povjerenstva: Mario Cifrek (predsjednik povjerenstva)
• Član povjerenstva: Antonio Stanešić (član povjerenstva)
• Član povjerenstva: Eda Jovičić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-06-28, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Cilj ovog rada bio je razvoj sustava za detekciju i klasifikaciju prometnih znakova ograničenja brzine. Sustav je podijeljen na dva dijela (modela): dio za detekciju i dio za klasifikaciju. Osnovna značajka oba dijela je konvolucijska neuronska mreža čiji je način rada detaljno opisan u ovom radu. Sustav za detekciju koristi algoritam YOLO koji je iznimno efikasan algoritam pri detekciji objekata sa slike, a koristi jednu konvolucijsku neuronsku mrežu. Nakon što se prometni znak ograničenja brzine detektira sa slike uz pomoć YOLO algoritma, dio slike na kojem je znak detektiran šalje se modelu za klasifikaciju. Klasifikacijski model također koristi jednu konvolucijsku neuronsku mrežu, a dobiveni znak na ulazu klasificira u jednu od osam mogućih klasa. Oba modela pokazala su visoku efikasnost te su ostvarena očekivanja sustava za detekciju i klasifikaciju prometnih znakova ograničenja brzine.

Sažetak (engleski)

The aim of this thesis was to develop a system for detection and classification of speed limit traffic signs. The system is divided into two parts (models): detection part and classification part. The main feature of both parts is the convolutional neural network which is also described in detail in this thesis. The detection part of a system uses YOLO algorithm, which is very efficient algorithm for object detection from image and it is using one convolutional neural network. After the speed limit traffic sign is detected from image using YOLO algorithm, the part of an image on which the traffic sign is detected is sent to the classification model. The classification model uses one convolutional neural network and classifies the traffic sign from the input into one of eight possible classes. Both models have shown high efficiency and system's expectations for detecting and classifying speed limit traffic signs were accomplished.

• Ključne riječi: prometni znakovi ograničenja brzine; umjetne neuronske mreže; konvolucijske neuronske mreže; računalni vid; YOLO algoritam; klasifikacija
• Ključne riječi (engleski): speed limit traffic signs; artificial neural networks; convolutional neural networks; computer vision; YOLO algoritam; classification
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:329153
• 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 11:00:03