prikaz prve stranice dokumenta Razvoj aplikacije za detekciju i raspoznavanje prometne signalizacije iz video signala korištenjem modela dubokog učenja
No public access
undergraduate thesis
Razvoj aplikacije za detekciju i raspoznavanje prometne signalizacije iz video signala korištenjem modela dubokog učenja
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. urn:nbn:hr:168:715808
Franjković, Jure
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Franjković, J. (2024). Razvoj aplikacije za detekciju i raspoznavanje prometne signalizacije iz video signala korištenjem modela dubokog učenja (Undergraduate thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:715808

Franjković, Jure. "Razvoj aplikacije za detekciju i raspoznavanje prometne signalizacije iz video signala korištenjem modela dubokog učenja." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. https://urn.nsk.hr/urn:nbn:hr:168:715808

Franjković, Jure. "Razvoj aplikacije za detekciju i raspoznavanje prometne signalizacije iz video signala korištenjem modela dubokog učenja." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. https://urn.nsk.hr/urn:nbn:hr:168:715808

Franjković, J. (2024). 'Razvoj aplikacije za detekciju i raspoznavanje prometne signalizacije iz video signala korištenjem modela dubokog učenja', Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 26 December 2024, https://urn.nsk.hr/urn:nbn:hr:168:715808

Franjković J. Razvoj aplikacije za detekciju i raspoznavanje prometne signalizacije iz video signala korištenjem modela dubokog učenja [Undergraduate thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2024 [cited 2024 December 26] Available at: https://urn.nsk.hr/urn:nbn:hr:168:715808

J. Franjković, "Razvoj aplikacije za detekciju i raspoznavanje prometne signalizacije iz video signala korištenjem modela dubokog učenja", Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2024. Available at: https://urn.nsk.hr/urn:nbn:hr:168:715808

Metadata
TitleRazvoj aplikacije za detekciju i raspoznavanje prometne signalizacije iz video signala korištenjem modela dubokog učenja
Title (english)Development of an application for detection and recognition of traffic signs from a video signal using deep learning models
AuthorJure Franjković
MentorMarko Horvat (mentor)
Committee memberMarko Horvat (predsjednik povjerenstva)
Committee memberJuraj Dončević (član povjerenstva)
Committee memberKristina Ćaleta (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2024-07-08, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
U ovom radu korišteni su modeli dubokog učenja, konkretno YOLOv8, za detekciju prometne signalizacije. Primijenjeno je znanje iz umjetne inteligencije, dubokog učenja i računalnog vida. Model je treniran na skupu slika hrvatskih prometnih znakova koristeći platformu Kaggle, koja omogućuje upotrebu naprednih grafičkih kartica za brže treniranje. Evaluirane su različite metrike evaluacije detektora objekata, uključujući box_loss, cls_loss, dfl_loss, preciznost i opoziv. Rezultati su pokazali da model postiže visoku točnost, iako postoje izazovi u detekciji semafora. Dobiveni model je implementiran u aplikaciju koja prima slike i video signale i detektira objekte u njima. Projekt pokazuje potencijal za poboljšanje sigurnosti prometa kroz napredne tehnologije.
Abstract (english)
In this study, deep learning models, specifically YOLOv8, were used for the detection of traffic signals. Knowledge from artificial intelligence, deep learning, and computer vision was applied. The model was trained on a dataset of Croatian traffic sign images using the Kaggle platform, which enables the use of advanced graphics cards for faster training. Various object detection evaluation metrics were evaluated, including box_loss, cls_loss, dfl_loss, precision, and recall. The results showed that the model achieves high accuracy, although there are challenges in detecting traffic lights. The obtained model was implemented in an application that receives images and video signals and detects objects in them. The project demonstrates the potential for improving traffic safety through advanced technologies.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:715808
Study programmeTitle: Computing
Study programme type: university
Study level: undergraduate
Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2024-10-12 20:35:14