prikaz prve stranice dokumenta Alat za označavanje linija vozne trake i usporedba modela zasnovanih na strojnom učenju za detekciju linija vozne trake
  Preuzmi
PDF 4.49 MB
diplomski rad
Alat za označavanje linija vozne trake i usporedba modela zasnovanih na strojnom učenju za detekciju linija vozne trake
Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. urn:nbn:hr:200:120482
Križanac, Rea
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za komunikacije
Katedra za multimedijske sustave i digitalnu televiziju

Institucijski repozitorij: Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek

Citirajte ovaj rad

Križanac, R. (2024). Alat za označavanje linija vozne trake i usporedba modela zasnovanih na strojnom učenju za detekciju linija vozne trake (Diplomski rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:200:120482

Križanac, Rea. "Alat za označavanje linija vozne trake i usporedba modela zasnovanih na strojnom učenju za detekciju linija vozne trake." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. https://urn.nsk.hr/urn:nbn:hr:200:120482

Križanac, Rea. "Alat za označavanje linija vozne trake i usporedba modela zasnovanih na strojnom učenju za detekciju linija vozne trake." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. https://urn.nsk.hr/urn:nbn:hr:200:120482

Križanac, R. (2024). 'Alat za označavanje linija vozne trake i usporedba modela zasnovanih na strojnom učenju za detekciju linija vozne trake', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 25.12.2024., https://urn.nsk.hr/urn:nbn:hr:200:120482

Križanac R. Alat za označavanje linija vozne trake i usporedba modela zasnovanih na strojnom učenju za detekciju linija vozne trake [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2024 [pristupljeno 25.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:120482

R. Križanac, "Alat za označavanje linija vozne trake i usporedba modela zasnovanih na strojnom učenju za detekciju linija vozne trake", Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:120482

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:120482
Podaci o radu
NaslovAlat za označavanje linija vozne trake i usporedba modela zasnovanih na strojnom učenju za detekciju linija vozne trake
Naslov (engleski)Lane marking tool and comparison of machine learning based models for lane lines detection
AutorRea Križanac
MentorMario Vranješ (mentor)
MentorDenis Vranješ (sumentor)
Član povjerenstvaMario Vranješ (predsjednik povjerenstva)
Član povjerenstvaMarijan Herceg (član povjerenstva)
Član povjerenstvaRatko Grbić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
(Zavod za komunikacije)
(Katedra za multimedijske sustave i digitalnu televiziju)
Osijek
Datum i država obrane2024-12-18, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Obradba informacija
Sažetak
U ovom diplomskom radu izrađen je vlastiti alat za označavanje linija vozne trake, kao i usporedba različitih modela strojnog učenja za detekciju linija vozne trake. Cilj rada je omogućiti precizno i intuitivno označavanje linija voznih taka na slikama u svrhu generiranja kvalitetnog skupa podataka koji se koristi za treniranje i evaluaciju modela zasnovanih na dubokom učenju. Razvijeni alat omogućuje kreiranje i upravljanje projektima, intuitivno rukovanje galerijom slika, ručno označavanje linija i spremanje podataka u formate pogodne za daljnju analizu. Nakon definiranja i testiranja funkcionalnosti aplikacije, fokus je usmjeren na izradu vlastitog skupa podataka koji uključuje slike snimljene u različitim vremenskim i prometnim uvjetima. Na temelju prikupljenog skupa podataka evaluirani su modeli trenirani na trima različitim skupovima podataka (CULane, TuSimple i LLAMAS), kao i modeli dotrenirani na vlastitom skupu. Analiza je uključivala mjerenje ključnih metrika poput F1 mjere, preciznosti i odziva, što je omogućilo objektivnu usporedbu performansi između modela u različitim scenarijima, uključujući dan, noć, kišu, tunel i sumrak. Rezultati pokazuju značajna poboljšanja modela nakon dotreniravanja na novokreiranom skupu podataka, što potvrđuje važnost prilagodbe modela specifičnim uvjetima primjene. ključne riječi (hrvatski ): Detekcija linija, Strojno učenje, SCNN (Prostorna CNN), Podatkovni skupovi, Označavanje
Sažetak (engleski)
In this work, a custom tool for lane marking has been developed, along with a comparison of various machine learning models for lane detection. The objective of this work is to enable precise and intuitive annotation of lane lines on images in order to generate a high-quality dataset used for the training and evaluation of deep learning-based models. The developed tool supports project creation and management, intuitive handling of image galleries, manual lane marking, and data saving in formats suitable for further analysis. After defining and testing the application’s functionality, the focus was directed towards creating a custom dataset that includes images captured under various weather and traffic conditions. Based on the collected dataset, models trained on three different datasets (CULane, TuSimple, and LLAMAS) were evaluated, as well as models further fine-tuned to the custom dataset. The analysis included measuring key metrics such as F1 score, precision, and recall, allowing an objective comparison of the models' performance across different scenarios, including day, night, rain, tunnel, and twilight. The results demonstrate significant improvements in the models after fine-tuning to the newly created dataset, confirming the importance of adapting models to specific application conditions.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:120482
Studijski programNaziv: Elektrotehnika; smjerovi: Elektroenergetika, Automatizacija industrijskih sustava, Komunikacije i informatika
Smjer: Elektroenergetika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: sveučilišni/a magistar/magistra inženjer/inženjerka elektrotehnike (univ. mag. ing. el.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2024-12-20 12:25:50