Analiza uspešnosti algoritmov za zaznavanje objektov, naučenih na zamegljenih slikahPlaninšek, David (Avtor) Perš, Janez (Mentor) Ivanovska, Marija (Komentor) prepoznavanje objektovzamegljene slikecestni prometvgrajena zasebnostalgoritmibaza označenih slikNamen te diplomske naloge je preizkusiti algoritme za videonadzor prometa ob ohranjanju visoke ravni zasebnosti podatkov. Deidentifikacija podatkov je bila dosežena z zameglitvijo slik, ki so bile nato uporabljene za učenje in testiranje algoritmov za detekcijo vozil. Za učenje modelov smo uporabili slike, ki predstavljajo različne stopnje zamegljenosti. Vsakič smo za učenje izbrali modele slik z manjšo stopnjo zamegljenosti, nato pa smo naučene algoritme preizkusili na slikah z večjo ali enako stopnjo zamegljenosti. V okviru diplomske naloge smo uporabili štiri različne algoritme za prepoznavanje objektov na slikah: DETR, Faster R-CNN, YOLOv3 in HRNet. DETR (ang. Detection Transformer) je nov pristop, ki uporablja transformerje za neposredno prepoznavanje objektov na sliki brez potrebe po predhodnih predmetnih predlogah. Faster R-CNN je bil izbran zaradi njegove hitrosti in natančnosti pri prepoznavanju objektov, YOLOv3 (ang. You Only Look Once) je znan po svoji učinkovitosti pri realnočasovni detekciji objektov, HRNet (ang. High-Resolution Network) pa je znan po svoji natančnosti pri segmentaciji objektov, zlasti pri slikah z visoko ločljivostjo. Baza označenih slik, uporabljena v nalogi, je sestavljena iz več tisoč slik, ki vključujejo avtomobile, avtobuse in kombije. Slike so bile ročno označene z uporabo očrtanih pravokotnikov (ang. bounding boxes), ki določajo položaj in velikost objektov na sliki. Slike v bazi so bile razdeljene na tri kategorije glede na stopnjo zamegljenosti: jasne slike, prva stopnja zamegljenosti in druga stopnja zamegljenosti slik. To omogoča sistematično preučevanje učinkovitosti algoritmov pri različnih stopnjah zamegljenosti slik. Končne rezultate smo delili na kvalitativno in kvantitativno analizo. Kvantitativna analiza je vključevala pregled slik in ročno analizo rezultatov, medtem ko smo za kvalitativno analizo uporabili program, ki je izvedel analitično računanje uspešnosti prepoznavanja objektov na slikah. S tem smo dobili celovit vpogled v uspešnost in zmogljivosti vsakega algoritma pri različnih stopnjah zamegljenosti slik.20242024-07-09 11:05:01Diplomsko delo/naloga159390VisID: 62697COBISS_ID: 201174275sl