<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=155938"><dc:title>Samodejno določanje neuspešnega sledenja objektov</dc:title><dc:creator>BRODNIK,	LUKA	(Avtor)
	</dc:creator><dc:creator>Čehovin Zajc,	Luka	(Mentor)
	</dc:creator><dc:subject>sledenje objektov</dc:subject><dc:subject>značilke slik</dc:subject><dc:subject>optični tok</dc:subject><dc:subject>računalniški vid</dc:subject><dc:subject>umetna inteligenca</dc:subject><dc:description>Sledenje objektov je področje analize gibanja, pri kateri algoritem skozi čas sledi objektu v zaporedju slik. Pogosto se uporablja na področju varnostnih sistemov, avtonomnih vozil, robotike in mnogo drugih. Sledilni algoritmi pa lahko v določenih okoliščinah tudi odpovejo, t.j. preneha slediti pravemu objektu. V sklopu diplomske naloge smo predlagali dva različna pristopa za napovedovanja neuspešnega sledenja, ki bi lahko delovala vzporedno s poljubnim sledilnikom. Prvi tmelji na podlagi globokih opisnikov, drugi pa na optičnem toku. Za oba pristopa smo posebej obdelali podatke iz tekmovanja sledilnikov VOT2019, izluščili smo primere odpovedi ter uspešnega sledenja ter na generiranih podatkih naučili modele za napovedovanje neuspeha. Delovanje naučenih napovednih modelov smo preverili na celotnih sekvencah za več sledilnikov ter jih primerjali.</dc:description><dc:date>2024</dc:date><dc:date>2024-04-24 13:42:41</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>155938</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>