Nevronska mreža za monokularno ocenjevanje globinske slike v vodnem okoljuTodorov, Leon (Avtor) Kristan, Matej (Mentor) računališki vidvodno okoljetransformerjiavtonomno plovilomonokularno ocenjevanje globinske slikeAvtonomna plovila postajajo obetavna rešitev za številne izzive v vodnem okolju, kot so raziskovanje nedostopnih območij, nadzorovanje in pomorska logistika. Ocena oddaljenosti bližnje okolice plovila bi morebiti lahko bila uporabljena kot vir dodatne informacije za avtonomno navigacijo in pri drugih, prej omenjenih izzivih. Trenutno ne obstaja nobena raziskava, ki bi evalvirala kako se najmodernejše metode za monokularno ocenjevanje globinske slike obnašajo v vodnem okolju. V sklopu diplomske naloge evalviramo metodo DPT, uporabljeno za monokularno ocenjevanje globinske slike iz barvnih slik vodnega okolja in predlagamo ustrezne nove variacije. Za treniranje smo uporabili podatkovno množico MODD2, uspešnost metod pa smo ovrednotili s podatkovno množico MaSTR1325. Obe vsebujeta slike splošnega vodnega okolja, ki jih je zajelo avtonomno plovilo. Ker so takšna plovila ponavadi opremljena z IMU in obe podatkovni množici poleg barvnih slik vsebujeta tudi časovno sinhronizirane IMU meritve, predlagamo še dve dodatni metodi, ki poleg barvnih slik uporabljata tudi to dodatno informacijo. Ker podatkovni zbirki ne vsebujeta zlatega standarda globinskih slik, vsebujeta pa stereo slikovne pare, smo referenčne vrednosti za treniranje zgenerirali z metodo CREStereo, ki globinsko sliko napove iz stereo slikovnega para. Vse predlagane metode presegajo uspešnost osnovne metode DPT v vodnem okolju.20232023-12-04 15:32:11Diplomsko delo/naloga152711sl