prikaz prve stranice dokumenta Detekcija registracijske oznake plovila korištenjem monokularne kamere
No public access
master's thesis
Detekcija registracijske oznake plovila korištenjem monokularne kamere
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. urn:nbn:hr:168:773796
Magdalenić, Maja
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Magdalenić, M. (2024). Detekcija registracijske oznake plovila korištenjem monokularne kamere (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:773796

Magdalenić, Maja. "Detekcija registracijske oznake plovila korištenjem monokularne kamere." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. https://urn.nsk.hr/urn:nbn:hr:168:773796

Magdalenić, Maja. "Detekcija registracijske oznake plovila korištenjem monokularne kamere." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. https://urn.nsk.hr/urn:nbn:hr:168:773796

Magdalenić, M. (2024). 'Detekcija registracijske oznake plovila korištenjem monokularne kamere', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 30 June 2024, https://urn.nsk.hr/urn:nbn:hr:168:773796

Magdalenić M. Detekcija registracijske oznake plovila korištenjem monokularne kamere [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2024 [cited 2024 June 30] Available at: https://urn.nsk.hr/urn:nbn:hr:168:773796

M. Magdalenić, "Detekcija registracijske oznake plovila korištenjem monokularne kamere", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2024. Available at: https://urn.nsk.hr/urn:nbn:hr:168:773796

Metadata
TitleDetekcija registracijske oznake plovila korištenjem monokularne kamere
Title (english)Vessel registration plate detection using a monocular camera
AuthorMaja Magdalenić
MentorNikola Mišković (mentor)
Committee memberNikola Mišković (član povjerenstva)
Committee memberĐula Nađ (član povjerenstva)
Committee memberFausto Miguel Pascoal Ferreira (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2024-02-27, Croatia
Abstract
Identifikacija brodova ključna je u područjima globalne trgovine, pomorske sigurnosti, a posebno u razvoju pametnih luka. Prepoznavanje registarskih oznaka brodova pomaže sprječavanju ilegalnih aktivnosti i osigurava učinkovit prijevoz robe. Dvije glavne faze u prepoznavanju registarskih oznaka brodova su detekcija registarske oznake i prepoznavanje registarske oznake. U ovom radu razvijene su tri metode za navedenu primjenu. Sve tri razvijene metode za prepoznavanje teksta koriste Paddle OCR alat, dok se modeli za detekciju teksta u svakoj metodi razlikuju. U prvoj metodi na ulaz dovodimo originalnu sliku i na njoj koristimo algoritme za detekciju i prepoznavanje teksta koje uobičajeno koristi Paddle OCR. U drugoj metodi, najprije se provodi detekcija broda pomoću YOLOv8 dostupnog modela za detekciju, te se nakon toga slika šalje Paddle OCR alatu koji na njoj opet koristi uobičajene algoritme za detekciju i prepoznavanje teksta. Treća metoda za detekciju brodova također koristi YOLOv8 dostupan model, za detekciju teksta koristi YOLOv8 model razvijen u ovom radu, te se na kraju detektirani tekst šalje Paddle OCRu samo na prepoznavanje. Treća metoda dodatno je poboljšana postupkom povećanja detekcije teksta na optimalnu veličinu, onu najlakše čitljivu OCRu. Posljednja opisana metoda daje i najbolje rezultate na testnom skupu podataka. Konačni model postiže točnost od 44,57% u prepoznavanju riječi i 72,69% u prepoznavanju znakova.
Abstract (english)
Accurate ship identification is vital for global trade and maritime security, especially in smart port initiatives. Ship license plate recognition helps prevent illegal activities and ensures efficient transportation of goods. Two of the main phases in recognizing ship license plates are license plate detection and license plate recognition. In this thesis, three methods were developed for the mentioned application. All three methods us Paddle OCR tool for text recognition, while the text detection models differ in each method. In the first method, the Paddle OCR default detection and recognition algorithms are used on the original image. In the second method, the ship is first detected using YOLOv8 available detection model, and then the image is sent to the Paddle OCR tool, which again uses default algorithms for text detection and recognition. The third method also uses the YOLOv8 available model for ship detection, for text detection it uses the YOLOv8 model developed in this work, and finally the detected text is sent to Paddle OCR for recognition only. The third method was further improved by the process of enlargement the text detection to the optimal size, the one most easily readable to the OCR. The last described method also gives the best results on the test dataset. The final model achieves an accuracy of 44,57% in words detection and 72,69% in character detection.
Keywords
Keywords (english)
Languageenglish
URN:NBNurn:nbn:hr:168:773796
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2024-03-28 07:49:51