Samodejno prepoznavanje prostoživečih živalskih vrst na posnetkih fotopastiVatovec, Matej (Avtor) Čehovin Zajc, Luka (Mentor) Jerina, Klemen (Komentor) šibko nadzorovano učenjezaznavanje objektovprepoznavanje živalskih vrstPyTorchV nalogi smo proučevali problem samodejnega prepoznavanja prostoživečih živalskih vrst. Za opazovanje živali se pogosto uporabljajo fotopasti, saj so cenovno ugodne in niso invazivne. Kot rezultat proizvedejo velike količine slik, ki zahtevajo označevanje. Ročno označevanje zahteva veliko časa in denarja, zato smo problem rešili z uporabo šibko nadzorovanega učenja. Pri tem smo imeli na voljo zbirko slik, kjer je vsaka slika označena z eno živalsko vrsto. Zaradi vse večje dostopnosti označenih zbirk slik iz drugih domen smo se osredotočili na rešitve, ki uporabljajo znanje predhodno naučenih modelov. Ovrednotili smo delovanje treh šibko nadzorovanih modelov, ki na različne načine uporabljajo znanje predhodno naučenega modela. Predlagali smo nadgradnjo modela WS-DETR, kjer zamenjamo osnovno arhitekturo modela za RT-DETR in uporabimo kompleksnejši MIL klasifikator. Predlagana nadgradnja izboljša mAP izvornega modela WS-DETR za 0,16 in dosega boljše rezultate od drugih dveh šibko nadzorovanih modelov. Na koncu smo modele primerjali z obstoječo rešitvijo DeepFaune in ocenil, ali so primerni za implementacijo v realnem okolju. Model DeepFaune napoveduje boljše od naših rešitev, vendar zaradi nizkega priklica ni primeren za popolno avtomatizacijo.20252025-12-24 10:40:02Magistrsko delo/naloga177572sl