Uporaba prenesenega učenja za zaznavo objektov v videuKristan, Andraž (Avtor) Meža, Marko (Mentor) Preneseno učenjedetekcija objektovgloboko učenjeYOLO modelklasifikacija metov kockV diplomski nalogi sem preučeval uporabo metode prenesenega učenja za zaznavo in klasifikacijo metov igralne kocke. Glavni cilj je bil ugotoviti, kako na delovanje modela vplivata količina učnih podatkov ter raznolikost ozadja. Zajel sem 1200 slik metov kock, po 200 slik za vsako možno vrednost od 1 do 6, in jih razdelil v šest podatkovnih nizov različnih velikosti: 1200, 600, 150, 60 in 30 slik. Zadnji podatkovni niz je bil nato umetno razširjen z afinimi transformacijami (rotacije, translacije) na 600 slik. Na tej osnovi sem s pomočjo ogrodja PyTorch in metode prenesenega učenja izučil šest modelov YOLOv8, pri čemer je vsak model uporabljal svoj ustrezni učni nabor. Za testiranje modelov sem posnel 50 posnetkov metov kock – polovico na istem ozadju kot učne slike (referenčno ozadje), drugo polovico pa na črnem ozadju. Te posnetke sem uporabil za testiranje vseh modelov ter zabeležil stopnjo zaznave in klasifikacijsko natančnost, izračunal makro natančnost, priklic in F1 mero ter oblikoval matrike razvrščanja. Ugotovil sem, da je za brezhibno delovanje na referenčnem ozadju (100% zaznava in klasifikacijska natančnost) zadostovalo že 150 učnih slik. Na črnem ozadju je stopnja zaznave tega modela ostala visoka (98%), klasifikacijska natančnost in F1 mera pa sta se znižali na 78% oziroma 77%, kar kaže na pomemben vpliv spremembe ozadja. Tudi največja modela (naučena na 1200 in 600 slikah) sta na črnem ozadju naredila po dve napaki, kar kaže na večjo robustnost pri večji količini podatkov. Z manjšanjem količine učnih podatkov se je delovanje modelov poslabšalo. Model s 60 učnimi slikami je na referenčnem ozadju dosegel 73% zaznavo, 83% klasifikacijsko natančnost in 63% F1 mero, na črnem pa 75% zaznavo, 75% klasifikacijsko natančnost in le 55% F1 mero. Model, treniran zgolj na 30 slikah, ni zaznal niti ene kocke na nobenem ozadju, kar potrjuje, da je to število bistveno prenizko za obravnavano nalogo. Ugotovil pa sem, da lahko s pomočjo augmentacije učinkovito nadomestimo pomanjkanje podatkov. Model, izučen na umetno razširjenem naboru iz 30 na 600 slik, je na obeh ozadjih dosegel 100% zaznavo, na referenčnem ozadju 97% klasifikacijsko natančnost in F1 mero, na črnem pa 88% natančnost in 87% F1 mero. Pri manjših modelih ali na črnem ozadju se je najpogostejša napaka pri klasifikaciji pojavila pri vrednosti 2, ki je bila zamenjana za 1, medtem ko sta vrednosti 3 in 5 povzročali težave že pri zaznavi.20252025-09-02 13:30:01Diplomsko delo/naloga171782sl