prikaz prve stranice dokumenta Razvoj aplikacije za detekciju i klasifikaciju sudionika u prometu iz video signala korištenjem modela dubokog učenja
Rad nije dostupan
završni rad
Razvoj aplikacije za detekciju i klasifikaciju sudionika u prometu iz video signala korištenjem modela dubokog učenja
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. urn:nbn:hr:168:577287
Sipić, Fran
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

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

Sipić, Fran. "Razvoj aplikacije za detekciju i klasifikaciju sudionika u prometu iz video signala korištenjem modela dubokog učenja." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:577287

Sipić, Fran. "Razvoj aplikacije za detekciju i klasifikaciju sudionika u prometu iz video signala korištenjem modela dubokog učenja." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:577287

Sipić, F. (2024). 'Razvoj aplikacije za detekciju i klasifikaciju sudionika u prometu iz video signala korištenjem modela dubokog učenja', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 27.11.2024., 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 [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 27.11.2024.] Dostupno na: 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", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:577287

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:577287
Podaci o radu
NaslovRazvoj aplikacije za detekciju i klasifikaciju sudionika u prometu iz video signala korištenjem modela dubokog učenja
Naslov (engleski)Development of an application for detection and classification of traffic from a video signal using deep learning models
AutorFran Sipić
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 obrane2024-07-02, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
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.
Sažetak (engleski)
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.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:577287
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 22:05:56