prikaz prve stranice dokumenta Automatska detekcija i brojanje automobila na video snimkama
Pristup svim korisnicima iz sustava znanosti i visokog obrazovanja RH
diplomski rad
Automatska detekcija i brojanje automobila na video snimkama
2022. urn:nbn:hr:179:558596
Jerčić, Borna
Sveučilište u Splitu
Fakultet elektrotehnike, strojarstva i brodogradnje
Zavod za elektroniku i računarstvo

Citirajte ovaj rad

Jerčić, B. (2022). Automatska detekcija i brojanje automobila na video snimkama (Diplomski rad). Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:179:558596

Jerčić, Borna. "Automatska detekcija i brojanje automobila na video snimkama." Diplomski rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2022. https://urn.nsk.hr/urn:nbn:hr:179:558596

Jerčić, Borna. "Automatska detekcija i brojanje automobila na video snimkama." Diplomski rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2022. https://urn.nsk.hr/urn:nbn:hr:179:558596

Jerčić, B. (2022). 'Automatska detekcija i brojanje automobila na video snimkama', Diplomski rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, citirano: 19.04.2024., https://urn.nsk.hr/urn:nbn:hr:179:558596

Jerčić B. Automatska detekcija i brojanje automobila na video snimkama [Diplomski rad]. Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje; 2022 [pristupljeno 19.04.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:179:558596

B. Jerčić, "Automatska detekcija i brojanje automobila na video snimkama", Diplomski rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, Split, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:179:558596

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:179:558596
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovAutomatska detekcija i brojanje automobila na video snimkama
Naslov (engleski)Automatic detection and counting of cars on video
AutorBorna Jerčić
MentorMaja Braović https://orcid.org/0000-0002-3655-3534 (mentor)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Splitu
Fakultet elektrotehnike, strojarstva i brodogradnje
(Zavod za elektroniku i računarstvo )
Split
Datum i država obrane2022-06-30, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
U ovom radu opisane su konvolucijske neuronske mreže, njihova osnovna arhitektura i prezentirane arhitekture postojećih konvolucijskih neuronskih mreža. Opisane su korištene tehnologije za implementaciju programa, a to su: Python, OpenCV, Tensorflow i Keras. Također su opisani postojeći algoritmi automatske detekcije objekata te implementirana i testirana vlastita metoda temeljena na tradicionalnim metodama računalnog vida kao i na modernim metodama dubokog učenja, tj. konvolucijskih neuronskih mreža. Prikupljen je vlastiti skup podataka za treniranje i validaciju podijeljen u šest kategorija najčešćih objekata na prometnim snimkama različitih cesta i ulica i jednu kategoriju za detekciju okoline i praznih cesta te na temelju tih podataka izrađen model konvolucijske neuronske mreže za klasifikaciju koji osim klasifikacije objekata ima i ulogu odbacivanje krivih detekcija. Dana je usporedba postojećih algoritama s implementiranim, napravljena analiza brzina detekcije te dane ideje o daljnjem razvoju programa.
Sažetak (engleski)
This paper describes convolutional neural networks, their basic architecture and presents the architectures of existing convolutional neural networks. The technologies used for the implementation of the program are described, namely: Python, OpenCV, Tensorflow and Keras. The existing algorithms for automatic object detection are also described, as well as my own implemented and tested method based on traditional methods of computer vision and modern methods of deep learning, ie convolutional neural networks. A personal set of data for training and validation divided into six categories of the most common objects on traffic videos of different roads and streets and one category for detection of environment and empty roads for rejection of false detections was collected. Based on these data a convolutional neural network model for classification was created. The comparison of existing algorithms with the implemented one and the analysis of detection speeds is made. Ideas on further development of the program are given.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:179:558596
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag. ing. com.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup svim korisnicima iz sustava znanosti i visokog obrazovanja RH
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2023-05-18 08:22:36