prikaz prve stranice dokumenta Raspoznavanje oštećenja prometnica uporabom postupaka strojnog učenja
Pristup korisnicima matične ustanove
završni rad
Raspoznavanje oštećenja prometnica uporabom postupaka strojnog učenja
Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2022. urn:nbn:hr:200:774928
Kaučić, Luka
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za programsko inženjerstvo
Katedra za programske jezike i sustave

Institucijski repozitorij: Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek

Citirajte ovaj rad

Kaučić, L. (2022). Raspoznavanje oštećenja prometnica uporabom postupaka strojnog učenja (Završni rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:200:774928

Kaučić, Luka. "Raspoznavanje oštećenja prometnica uporabom postupaka strojnog učenja." Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2022. https://urn.nsk.hr/urn:nbn:hr:200:774928

Kaučić, Luka. "Raspoznavanje oštećenja prometnica uporabom postupaka strojnog učenja." Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2022. https://urn.nsk.hr/urn:nbn:hr:200:774928

Kaučić, L. (2022). 'Raspoznavanje oštećenja prometnica uporabom postupaka strojnog učenja', Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 04.12.2024., https://urn.nsk.hr/urn:nbn:hr:200:774928

Kaučić L. Raspoznavanje oštećenja prometnica uporabom postupaka strojnog učenja [Završni rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2022 [pristupljeno 04.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:774928

L. Kaučić, "Raspoznavanje oštećenja prometnica uporabom postupaka strojnog učenja", Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:774928

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:774928
Podaci o radu
NaslovRaspoznavanje oštećenja prometnica uporabom postupaka strojnog učenja
Naslov (engleski)Pothole detection utilising machine learning based approaches
AutorLuka Kaučić
MentorBruno Zorić (mentor)
Član povjerenstvaBruno Zorić (predsjednik povjerenstva)
Član povjerenstvaGoran Knežević (član povjerenstva)
Član povjerenstvaEmmanuel Karlo Nyarko (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
(Zavod za programsko inženjerstvo)
(Katedra za programske jezike i sustave)
Osijek
Datum i država obrane2022-09-21, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
U ovom radu najprije je objašnjeno kako dolazi do nastanka oštećenja na prometnicama te koje su opasnosti koja oštećenja donoese. Predstavljeni su podaci koji daju konkretnu informaciju o najčešćim uzrocima prometnih nezogda te faktorima koji na njih utječu. Problem klasifikacije prometnice kao neoštećene ili oštećene je predstavljen kao tema ovoga rada, dok su u teorijskom dijelu pojašnjene najčešće metode i okruženja koja se korište pri rješavanju takvih problema. Na temelju spoznaja iz prvog dijela rada, provedena je eksperimentalna anliza korištenjem Inception V3, MobileNet V2, InceptionResNet V2 te Xception modeli te podatkovni skup prilagođen binarnoj klasifikaciji. Određeni su hiperparametri za svaki ode navedenih modela te je izvršavanjem eksperimenta utvrđeno da je najbolje performanse dao Xception model. Sljedeći mogući koraci pri stvaranju digitaliziranog i autonomnog sustava uključuju višeklasnu klasifikaicju temeljenu na veličini oštećenja, kao i implementaciju sustava na prijenosne uređaje
Sažetak (engleski)
Pothole detection utilising machine learning based approaches. This paper firstly outlines the basic information on potholes and their dangers. Next, data is presented, containing concrete information on traffic accidents and their causes. The topic of this paper was to give a series of deep learning methods for binary pothole classification. Based on facts presented in the first part of the paper, for the experimental analysis Inception V3, MobileNet V2, InceptionResNet V2, and Xception models are used and changed so they could fit the input data, considering its size and number of classes. Hyperparameters of all models were decided on, and after the experiment was run, it was concluded that the Xception model had the best performance. Next possible steps in developing a digitalized and autonomous system include a multiclass classification based on the size of the pothole, along with mobile phone integration of the system
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:774928
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2022-10-14 11:20:42