Zaznavanje ovir na vodni gladini na podlagi detekcije anomalij s kaskadno strukturo učnih podatkovCVENKEL, TILEN (Avtor) Perš, Janez (Mentor) Ivanovska, Marija (Komentor) avtonomna plovbaračunalniški vidgloboke nevronske mrežeodkrivanje anomalijovire na vodni gladiniPaDiMCSFlowMagistrska naloga se osredotoča na problematiko zaznavanja ovir na vodni gladini na podlagi vizualnih podatkov, tako na barvnih (RGB), kakor tudi na slikah toplotne kamere. V delu je podana natančna analiza trenutnega stanja tehnike na tem področju, naš prispevek pa se osredotoča na vpeljavo povsem novega pristopa k reševanju omenjene tematike, in sicer z uporabo metod za odkrivanje anomalij, ki temeljijo na enorazrednem učenju. To je učenje le na vzorcih, ki ne vsebujejo anomalij - ovir. Preizkusili smo različne metode, ki se razlikujejo v načinu modeliranja porazdelitve učnih značilk, pridobljenih z uporabo prednaučenih hrbteničnih globokih nevronskih mrež, ter analizirali njihov vpliv na končni rezultat. Uporabljene podatkovne zbirke zajemajo javno dostopni zbirki ImageNet in FLIR Thermal Dataset, kakor tudi namensko zajete podatke, pridobljene med dvema plovbama po reki Ljubljanici. Senzorski sistem, uporabljen za zajem podatkov, je bil razvit v sklopu Laboratorija za strojno inteligenco Fakultete za elektrotehniko v Ljubljani. Ker označevanje množice podatkov zahteva veliko vloženega dela, smo eksperimente zastavili na način, da naslavljajo vprašanje, kako število označenih testnih slik vpliva na evalvacijo uporabljenih algoritmov. Kot glavni prispevek te magistrske naloge lahko izpostavimo dvoje: 1) izdelava podatkovne zbirke označenih slik rečnega okolja v dveh modalitetah, ter 2) vpeljava novega koncepta odkrivanja ovir na vodni gladini, ki temelji na iskanju anomalij v okolju.20222022-07-19 08:30:08Magistrsko delo/naloga138382sl