Generator sintetičnih slik za učenje metod za štetje objektovKoncilja, Vid (Avtor) Kristan, Matej (Mentor) Pelhan, Jer (Komentor) računalniški vidštetje objektovučenje z malo učnimi primerigeneriranje zbirke slikV tej nalogi predstavljamo sistem za generiranje učnih podatkov, namenjen izboljšanju učenja modelov za štetje objektov. Obstoječe zbirke pogosto vsebujejo nepravilne ali manjkajoče anotacije ter so večinoma omejene na prevladujoče kategorije objektov. Posledično se modeli pogosto naučijo preštevati zgolj dominantne razrede. Naš sistem, ki smo ga poimenovali GeCoGen, te omejitve presega z nadzorovanim generiranjem slik, ki omogoča prilagajanje raznolikosti kategorij, porazdelitve števila instanc in deleža posameznih razredov. Poleg tega ponuja parametre za simulacijo prekrivanja, minimalne vidljivosti ter delne zakritosti instanc. Z uporabo sistema GeCoGen smo ustvarili učno zbirko GeCoDa, ki obsega 7,900 slik in vključuje 79 kategorij, pri čemer posamezna slika v povprečju vsebuje 1.87 različnih kategorij. Vpliv nove množice smo ovrednotili na trenutno najnaprednejšem števcu splošnih objektov GeCo. Model, učen na kombinaciji GeCoDa in FSC-147, na množici MCAC dosega 61% izboljšavo mere MAE v primerjavi z modelom, učenim izključno na FSC-147, medtem ko model, učen samo na GeCoDa, na množici CA-44 dosega 58% izboljšavo mere MAE glede na model, učen na FSC-147.20252025-09-15 11:15:00Diplomsko delo/naloga173267sl