Detekcija biciklista u video snimci dubokim neuronskim mrežama

diplomski rad

• Naslov (engleski): Cyclist Detection from Video Using Deep Neural Networks
• Autor: Iva Radić
• Mentor: Sven Lončarić (mentor)
• Član povjerenstva: Sven Lončarić (predsjednik povjerenstva)
• Član povjerenstva: Marko Subašić (član povjerenstva)
• Član povjerenstva: Tomislav Petković (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2017-07-14, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U radu je predstavljen problem detekcije objekata u slici, te problem detekcije i praćenja objekata kroz slijedne slike u videosnimci. Uz povjesni pregled, predstavljena su i dosadašnja dostignuća u brzoj i točnoj detekciji objekata. Model korišten u implementaciji sustava za detekciju je potpuno konvolucijski SqueezeDet model. Za korištenje temporalne informacije kao pomoć detekciji objekata u videu razmotrena su dva algoritma, MedianFlow i MIL praćenje. Sustav provodi detekciju s preciznošću od 62.3%

Sažetak (engleski)

This paper presents the problem of object detection in image, and the problem of detecting and tracking objects through sequential images in video clips. Along with the historic review, the paper presents recent achievements in fast and accurate object detection. The model used in the detection system implementation is the fully convolutional SqueezeDet model. Two tracking algorithms, MedianFlow and MIL tracking were considered. Tracking is used to improve accuracy of detection in video.
The system performs detection with accuracy of 62.3%

• Ključne riječi: Detekcija objekata; Konvolucijske neuronske mreže; Propozicija regija; Fast-RCNN; Faster-RCNN; YOLO; Single Shot Detection; SqueezeDet; Potpuno konvolucijske mreže; Praćenje objekata
• Ključne riječi (engleski): Object detection; Convolutional neural networks; Region proposal; Fast- RCNN; Faster-RCNN; YOLO; Single Shot Detection; SqueezeDet; Fully-Convolutional networks; Object tracking
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:045241
• Studijski program: Naziv: Informacijska i komunikacijska tehnologija; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (mag. ing. inf. et comm. techn.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2019-03-14 00:17:43