prikaz prve stranice dokumenta Izgradnja detektora objekata zasnovanih na dubokim neuronskim mrežama i implementacija na ugradbeni računalni sustav
  Preuzmi
PDF 5.61 MB
diplomski rad
Izgradnja detektora objekata zasnovanih na dubokim neuronskim mrežama i implementacija na ugradbeni računalni sustav
2021. urn:nbn:hr:200:797486
Mučaj, Klaudija
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za računalno inženjerstvo i automatiku
Katedra za automatiku i robotiku

Citirajte ovaj rad

Mučaj, K. (2021). Izgradnja detektora objekata zasnovanih na dubokim neuronskim mrežama i implementacija na ugradbeni računalni sustav (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:200:797486

Mučaj, Klaudija. "Izgradnja detektora objekata zasnovanih na dubokim neuronskim mrežama i implementacija na ugradbeni računalni sustav." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2021. https://urn.nsk.hr/urn:nbn:hr:200:797486

Mučaj, Klaudija. "Izgradnja detektora objekata zasnovanih na dubokim neuronskim mrežama i implementacija na ugradbeni računalni sustav." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2021. https://urn.nsk.hr/urn:nbn:hr:200:797486

Mučaj, K. (2021). 'Izgradnja detektora objekata zasnovanih na dubokim neuronskim mrežama i implementacija na ugradbeni računalni sustav', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 19.04.2024., https://urn.nsk.hr/urn:nbn:hr:200:797486

Mučaj K. Izgradnja detektora objekata zasnovanih na dubokim neuronskim mrežama i implementacija na ugradbeni računalni sustav [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2021 [pristupljeno 19.04.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:797486

K. Mučaj, "Izgradnja detektora objekata zasnovanih na dubokim neuronskim mrežama i implementacija na ugradbeni računalni sustav", Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:797486

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:797486
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovIzgradnja detektora objekata zasnovanih na dubokim neuronskim mrežama i implementacija na ugradbeni računalni sustav
Naslov (engleski)Development of object detectors based on deep neural networks and implementation in embedded system
AutorKlaudija Mučaj
MentorRatko Grbić (mentor)
Član povjerenstvaRatko Grbić (predsjednik povjerenstva)
Član povjerenstvaJosip Job (član povjerenstva)
Član povjerenstvaEmmanuel Karlo Nyarko (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
(Zavod za računalno inženjerstvo i automatiku)
(Katedra za automatiku i robotiku)
Osijek
Datum i država obrane2021-09-30, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
Implementacija detektora za detektiranje najvažnijih sudionika i predmeta prometa u sustave za autonomnu vožnju je zahtjevan zadatak jer se oni sastoje od ugradbenih računalnih sustava koji imaju ograničene resurse. Osim toga, vrlo često se kod novo razvijenih mreža ne testira robusnost na promjene uvjeta. Ovim radom se YOLOv3 i Faster R-CNN mreže treniraju za detektiranje šest najvažnijih sudionika i predmeta prometa. Testiranje performansi razvijenih detektora provodi se na računalu i NVIDIA Jetson Nanu. Kako bi se testirala robusnost na promjene uvjeta, detektori se treniraju koristeći BDD100K skup podataka, a testiraju na CityScapes, ApolloScape i vlastito izgrađenom skupu podataka. Testiranja su pokazala da i YOLOv3 i Faster R-CNN ostvaruju lošije rezultate na testnim skupovima u odnosu na rezultate validacijskog skupa. Pokazalo se kako niti YOLOv3 niti Faster R-CNN implementacija na NVIDIA Jetson Nanu ne pružaju dovoljno visoku brzinu detekcije objekata za primjenu u sustavima za rad u stvarnom vremenu. Implementacijom YOLOv3 detektora u TensorRT SDK se smanjuje točnost detektiranja, ali brzina inferencije raste. Implementacija Faster R-CNN detektora u TensorRT SDK nije bila uspješna.
Sažetak (engleski)
Since autonomous driving systems consist of embedded computer systems that have limited resources, implementing detectors for detecting the most important participants and objects in traffic is a challenging task. Furthermore, robustness to changing conditions of newly developed networks is not often tested. This work trains a YOLOv3 and a Faster R-CNN network to detect the six most important participants and objects in traffic. Performance testing of the developed detectors is conducted on a computer and NVIDIA Jetson Nano. Robustness testing is performed by training the detectors using the BDD100K dataset and testing them on CityScapes, ApolloScape and a self-built dataset. Compared to the results obtained with the validation set, the test results are worse. Neither YOLOv3 nor the Faster R-CNN implementation on NVIDIA Jetson Nano have provided a sufficiently high object detection rate for application in a real-time system. While the TensorRT SDK implementation of the YOLOv3 detector increased the rate of inference, the detection accuracy decreased. The implementation of the Faster R-CNN detector in the TensorRT SDK was not successful.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:797486
Studijski programNaziv: Automobilsko računarstvo i komunikacije
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka automobilskog računarstva i komunikacija (mag. ing. comp. et comm. techn)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2021-11-24 13:50:29