Nevronska mreža za monokularno semantično segmentacijo in napovedovanje toka scene v vodnem okoljuTrček, Žiga (Avtor) Kristan, Matej (Mentor) Žust, Lojze (Komentor) tok scenedisparitetasemantična segmentacijamonokularna kameraavtonomno ploviloMetode za napoved disparitete in toka scene imajo veliko vlogo pri zavedanju okolice avtonomnih vozil in plovil. Za napovedovanje pogosto potrebujejo drag in nepraktičen sistem dveh kamer. Na področju avtonomnih vozil je bilo na problemu napovedovanja toka scene z eno kamero izvedenih več raziskav, ustreznost metod na vodnem okolju, ki je zaradi odbleskov in zrcaljenja bistveno drugačno od cestnega, pa ni bila raziskana. Ena najuspešnejših metod za napoved toka scene in disparitete z eno kamero v realnem času je Self-Mono-SF. Na podlagi te metode razvijemo metodo SceneFlowSegmentation, ki v realnem času z uporabo ene kamere napoveduje dispariteto in tok scene, nato pa vmesne informacije uporabi za semantično segmentacijo. Metodo učimo na podatkovnih zbirkah MODD2 in MaSTr1325 ter jo evalviramo na podatkovni zbirki MODS. Napoved disparitete in toka scene primerjamo z napovedjo izhodiščnega modela, učenega na mestni domeni in ugotovimo, da učenje na morski domeni izboljša rezultate. Rezultate segmentacije primerjamo z rezultati modela WaSR. Ocena F1 razvite metode je za 2 odstotni točki slabša od referenčne, a metoda z enako hitrostjo (10 slik na sekundo) hkrati napoveduje še dispariteto in tok scene.20232023-09-05 11:30:13Diplomsko delo/naloga149213sl