prikaz prve stranice dokumenta Usporedba modela temeljenih na konvulucijskim neuronskim mrežama i transformer arhitekturama za detekciju objekata u prometu
  Download
PDF 1.56 MB
master's thesis
Usporedba modela temeljenih na konvulucijskim neuronskim mrežama i transformer arhitekturama za detekciju objekata u prometu
Pula: University of Pula, 2024. urn:nbn:hr:137:463147
Vareško, Lucia
University of Pula
Faculty of Informatics in Pula

Institutional repository: Digital Repository Juraj Dobrila University of Pula

Cite this document

Vareško, L. (2024). Usporedba modela temeljenih na konvulucijskim neuronskim mrežama i transformer arhitekturama za detekciju objekata u prometu (Master's thesis). Pula: University of Pula. Retrieved from https://urn.nsk.hr/urn:nbn:hr:137:463147

Vareško, Lucia. "Usporedba modela temeljenih na konvulucijskim neuronskim mrežama i transformer arhitekturama za detekciju objekata u prometu." Master's thesis, University of Pula, 2024. https://urn.nsk.hr/urn:nbn:hr:137:463147

Vareško, Lucia. "Usporedba modela temeljenih na konvulucijskim neuronskim mrežama i transformer arhitekturama za detekciju objekata u prometu." Master's thesis, University of Pula, 2024. https://urn.nsk.hr/urn:nbn:hr:137:463147

Vareško, L. (2024). 'Usporedba modela temeljenih na konvulucijskim neuronskim mrežama i transformer arhitekturama za detekciju objekata u prometu', Master's thesis, University of Pula, accessed 25 December 2024, https://urn.nsk.hr/urn:nbn:hr:137:463147

Vareško L. Usporedba modela temeljenih na konvulucijskim neuronskim mrežama i transformer arhitekturama za detekciju objekata u prometu [Master's thesis]. Pula: University of Pula; 2024 [cited 2024 December 25] Available at: https://urn.nsk.hr/urn:nbn:hr:137:463147

L. Vareško, "Usporedba modela temeljenih na konvulucijskim neuronskim mrežama i transformer arhitekturama za detekciju objekata u prometu", Master's thesis, University of Pula, Pula, 2024. Available at: https://urn.nsk.hr/urn:nbn:hr:137:463147

Metadata
TitleUsporedba modela temeljenih na konvulucijskim neuronskim mrežama i transformer arhitekturama za detekciju objekata u prometu
Title (english)Comparison of models based on convolutional neural networks and transformer architectures for object detection in traffic
AuthorLucia Vareško
MentorGoran Oreški (mentor)
Committee memberTihomir Orehovački (predsjednik povjerenstva)
Committee memberGoran Oreški (član povjerenstva)
Committee memberNikola Tanković (član povjerenstva)
GranterUniversity of Pula
(Faculty of Informatics in Pula)
Pula
Defense date and country2024-09-24, Croatia
Scientific / art field,
discipline and subdiscipline		SOCIAL SCIENCES
Information and Communication Sciences
Information Systems and Information Science
Abstract
Ovaj diplomski rad inspiriran je radom na ai.Shuttle projektu koji se provodi u okviru laboratorija Fakulteta informatike u Puli. Cilj projekta je kreirati autonomno vozilo koje bi prevozilo studente do sveučilišnih objekata, a kako bi to bilo moguće morali smo prvo napraviti detaljnu usporedbu modela za detekciju objekata. Rad istražuje dvije osnovne arhitekture dubokog učenja, konvolucijske neuronske mreže i transformere te analizira njihove najpoznatije modele poput AlexNeta, ResNeta, ViT-a i GPT-a. Osim teorijske analize, provelo se i istraživanje koje je za cilj imalo usporediti performanse različitih modela na stvarnim prometnim podacima. Rezultati ukazuju na specifične prednosti svake arhitekture, pružajući smjernice za buduća istraživanja i razvoj sustava za autonomnu vožnju.
Abstract (english)
This thesis is inspired by the work on the ai.Shuttle project, which is carried out within the laboratory of the Faculty of Informatics in Pula. The goal of the project is to create an autonomous vehicle that would transport students to university facilities, and in order for this to be possible, we first had to make a detailed comparison of object detection models. The paper investigates two basic architectures of deep learning, convolutional neural networks and transformers, and analyzes their most famous models such as AlexNet, ResNet, ViT and GPT. In addition to the theoretical analysis, research was also conducted with the aim of comparing the performance of different models on real traffic data. The results point to the specific strengths of each architecture, providing guidance for future research and development of autonomous driving systems.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:137:463147
Study programmeTitle: Master in Informatics; specializations in: Master in Informatics, Master in Informatics, specialisation: teaching, Master in Informatics, Master in Informatics, specialisation: teaching
Course: Master in Informatics, Master in Informatics, specialisation: teaching
Study programme type: university
Study level: graduate
Academic / professional title: MAGISTAR/MAGISTRA INFORMATIKE - MAG.INF. (MAGISTAR/MAGISTRA INFORMATIKE - MAG.INF.)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2024-09-26 18:13:02