prikaz prve stranice dokumenta Razvoj aplikacije za detekciju i klasifikaciju sudionika u prometu iz video signala korištenjem modela dubokog učenja
No public access
undergraduate thesis
Razvoj aplikacije za detekciju i klasifikaciju sudionika u prometu iz video signala korištenjem modela dubokog učenja
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. urn:nbn:hr:168:577287
Sipić, Fran
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Sipić, F. (2024). Razvoj aplikacije za detekciju i klasifikaciju sudionika u prometu 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:168:577287

Sipić, Fran. "Razvoj aplikacije za detekciju i klasifikaciju sudionika u prometu 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:168:577287

Sipić, Fran. "Razvoj aplikacije za detekciju i klasifikaciju sudionika u prometu 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:168:577287

Sipić, F. (2024). 'Razvoj aplikacije za detekciju i klasifikaciju sudionika u prometu 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:168:577287

Sipić F. Razvoj aplikacije za detekciju i klasifikaciju sudionika u prometu 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:168:577287

F. Sipić, "Razvoj aplikacije za detekciju i klasifikaciju sudionika u prometu 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:168:577287

Metadata
TitleRazvoj aplikacije za detekciju i klasifikaciju sudionika u prometu iz video signala korištenjem modela dubokog učenja
Title (english)Development of an application for detection and classification of traffic from a video signal using deep learning models
AuthorFran Sipić
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 country2024-07-02, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Cilj ovog završnog rada bio je razviti i evaluirati aplikaciju za detekciju i klasifikaciju sudionika u prometu koristeći naprednu verziju YOLO (You Only Look Once) arhitekture, specifično YOLOv8. Model je treniran na skupu podataka koji uključuje različite sudionike prometa, poput pješaka, automobila, kamiona, autobusa i motocikala. Unatoč težnji za visokim performansama, model je pokazao manje zadovoljavajuće rezultate u usporedbi s referentnim znanstvenim radovima. U radu se analiziraju potencijalni razlozi za ove rezultate, uključujući ograničenja kvalitete i kvantitete trening podataka, tehnička ograničenja platforme Kaggle na kojoj je model treniran, te nedostatak dovoljne augmentacije podataka. Nadalje, razmatraju se strategije za poboljšanje performansi modela, kao što su proširenje i diversifikacija trening skupa podataka, produženo vrijeme treniranja i naprednije tehnike predobrade i augmentacije. Rad daje uvid u izazove i mogućnosti razvoja točnih i pouzdanih sustava za automatsku detekciju i klasifikaciju sudionika u prometu, što je ključno za implementaciju u stvarnim aplikacijama poput autonomne vožnje i inteligentnih prometnih sustava.
Abstract (english)
This thesis's objective was to develop and evaluate an application for detecting and classifying traffic participants using an advanced version of the YOLO (You Only Look Once) architecture, specifically YOLOv8. The model was trained on a dataset including various traffic participants such as pedestrians, cars, trucks, buses, and motorcycles. Despite aiming for high performance, the model demonstrated less satisfactory results compared to reference scientific studies. This thesis analyzes potential reasons for these outcomes, including limitations in the quality and quantity of training data, technical constraints of the Kaggle platform where the model was trained, and a lack of sufficient data augmentation. Furthermore, strategies for improving model performance are considered, such as expanding and diversifying the training data set, extending training time, and employing more advanced preprocessing and augmentation techniques. This work provides insights into the challenges and opportunities in developing accurate and reliable systems for the automatic detection and classification of traffic participants, which is crucial for implementation in real-world applications such as autonomous driving and intelligent traffic systems.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:577287
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 22:05:56