Detekcija objektov na vodni gladini na podlagi zaznavanja anomalijKALŠAN, DAMJAN (Avtor) Kristan, Matej (Mentor) avtonomna plovilakonvolucijske nevronske mrežedetekcija anomalijsemantična segmentacijastrojno učenjeZaznavanje ovir v avtonomnih sistemih je ključnega pomena za primeren odziv na nepredvidljive okoliščine. Na pomorski domeni so se v preteklosti raziskovalci detekcije lotili z uporabo različnih senzorjev in pogosto omenili smiselnost uporabe naprednih tehnik računalniškega vida. Zaradi neskončnega števila možnih ovir v tej nalogi problem obravnavamo v kontekstu detekcije anomalij. Tovrstne izbrane klasične metode delujejo na osnovi arhitekture koder-dekoder in se poslužujejo polnadzorovanega učenja nad slikami brez anomalij. V diplomski nalogi jih najprej primerno nadgradimo tako, da so se sposobne učiti tudi iz slik z anomalijami in nato njihovo delovanje preverimo na pomorski domeni. Za ta namen predlagamo dve prilagojeni cenilni funkciji, ki strmita k maksimizaciji rekonstrukcijske napake anomalij in minimizaciji napake morja. Predlagamo konvolucijsko nevronsko mrežo, ki na podlagi napake rekonstrukcije napoveduje segmentacijsko masko in v okviru nje primerjamo predlagani cenilni funkciji na štirih podatkovnih zbirkah. Predlagane metode se lahko uporabljajo tako na razburkani, kot tudi mirni vodni površini, vendar so zanje značilne pogoste fantomske detekcije ovir, ki za sedaj omejujejo njihovo uporabo v avtonomnem sistemu. Kljub temu metode delujejo neodvisno od bližine obale ali velikih objektov.20192019-10-14 18:30:08Diplomsko delo/naloga111811sl