prikaz prve stranice dokumenta Razvoj aplikacije za detekciju i raspoznavanje prometne signalizacije iz video signala korištenjem modela dubokog učenja
Rad nije dostupan
završni rad
Razvoj aplikacije za detekciju i raspoznavanje prometne signalizacije iz video signala korištenjem modela dubokog učenja
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. urn:nbn:hr:168:715808
Franjković, Jure
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Franjković, J. (2024). Razvoj aplikacije za detekciju i raspoznavanje prometne signalizacije iz video signala korištenjem modela dubokog učenja (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s 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." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 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." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 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', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 23.11.2024., 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 [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 23.11.2024.] Dostupno na: 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", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:715808

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:715808
Podaci o radu
NaslovRazvoj aplikacije za detekciju i raspoznavanje prometne signalizacije iz video signala korištenjem modela dubokog učenja
Naslov (engleski)Development of an application for detection and recognition of traffic signs from a video signal using deep learning models
AutorJure Franjković
MentorMarko Horvat (mentor)
Član povjerenstvaMarko Horvat (predsjednik povjerenstva)
Član povjerenstvaJuraj Dončević (član povjerenstva)
Član povjerenstvaKristina Ćaleta (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2024-07-08, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
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.
Sažetak (engleski)
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.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:715808
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 pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2024-10-12 20:35:14