prikaz prve stranice dokumenta Detekcija i praćenje 3D objekata u slici kamere na vozilu primjenom dubokih neuronskih mreža
Rad nije dostupan
diplomski rad
Detekcija i praćenje 3D objekata u slici kamere na vozilu primjenom dubokih neuronskih mreža
2020. urn:nbn:hr:168:566050
Kušec, Matija
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Citirajte ovaj rad

Kušec, M. (2020). Detekcija i praćenje 3D objekata u slici kamere na vozilu primjenom dubokih neuronskih mreža (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:566050

Kušec, Matija. "Detekcija i praćenje 3D objekata u slici kamere na vozilu primjenom dubokih neuronskih mreža." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. https://urn.nsk.hr/urn:nbn:hr:168:566050

Kušec, Matija. "Detekcija i praćenje 3D objekata u slici kamere na vozilu primjenom dubokih neuronskih mreža." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. https://urn.nsk.hr/urn:nbn:hr:168:566050

Kušec, M. (2020). 'Detekcija i praćenje 3D objekata u slici kamere na vozilu primjenom dubokih neuronskih mreža', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 10.04.2024., https://urn.nsk.hr/urn:nbn:hr:168:566050

Kušec M. Detekcija i praćenje 3D objekata u slici kamere na vozilu primjenom dubokih neuronskih mreža [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2020 [pristupljeno 10.04.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:566050

M. Kušec, "Detekcija i praćenje 3D objekata u slici kamere na vozilu primjenom dubokih neuronskih mreža", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:566050

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:566050
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovDetekcija i praćenje 3D objekata u slici kamere na vozilu primjenom dubokih neuronskih mreža
Naslov (engleski)3D object detection and tracking with a camera on a vehicle using deep neural networks
AutorMatija Kušec
MentorIvan Marković (mentor)
Član povjerenstvaIvan Marković (predsjednik povjerenstva)
Član povjerenstvaIvan Petrović (član povjerenstva)
Član povjerenstvaMarija Seder (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2020-09-25, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Detekcija i praćenje objekata u vremenu jedni su od najvažnijih zadataka autonomnih vozila. U radu je dan pregled korištenja duboke neuronske mreže u svrhu detekcije objekata u 3D slici kamere. Konkretna korištena mreža je CenterNet. Mreža se temelji na tome da su objekti predstavljeni središnjim točkama, a ostala se svojstva, poput 3D dimenzija i orijentacije, dobivaju regresijom iz značajki slike kod središta. Ta se neuronska mreža koristi kao potpora za probabilističko praćenje objekata u vremenu. Osnova za praćenje objekata je Kalmanov filtar. Za usporedbu predikcija i detekcija koristi se Mahalanobisova udaljenost. Mahalanobisova udaljenost može iskoristiti informaciju o neodred̄enosti predikcije, koju daje Kalmanov filtar. Praćenje se vrednuje na nuScenes skupu podataka.
Sažetak (engleski)
Detection and tracking of objects in time are one of the most important tasks of autonomous vehicles. In the paper, an overview of using a deep neural network for object detection in a 3D camera image is provided. CenterNet was used as the network. The network is based on the fact that objects are represented by center points, other properties, such as 3D dimensions and orientation, are regressed from image features at the center. The neural network is later used for probabilistic tracking of objects through time. The basis for object tracking is the Kalman filter. The Mahalanobis distance is used to compare predictions and detections. The Mahalanobis distance can take advantage of the uncertainty of predictions provided by the Kalman filter. Tracking is evaluated on the nuScenes dataset.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:566050
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-13 12:51:14