Prepoznavanje divjadi z uporabo prenosa učenja in modela YOLOSever, Matej (Avtor) Meža, Marko (Mentor) prepoznavanje divjadizaznavanje objektovprenos učenjaYOLOv11lovske kamereračunalniški vidV diplomskem delu smo obravnavali prepoznavanje prostoživeče divjadi na slikah lovskih kamer z uporabo prenosa učenja in modela YOLOv11s. Namen dela je bil izdelati model, ki žival na sliki zazna, določi njen položaj z očrtanim pravokotni- kom in jo razvrsti v ustrezen razred. Preverili smo tudi, kako pretvorba dnevnih barvnih slik v črno-belo obliko vpliva na uspešnost zaznavanja in razlikovanje med srno in srnjakom. Pripravili smo lastno podatkovno zbirko dnevnih RGB in nočnih infrardečih slik, zajetih z lovskimi kamerami na območju Semiča v Beli krajini. Slike smo označili na platformi Roboflow ter podatkovno zbirko z augmentacijo razširili na 3014 slik. Z uporabo predhodno naučenega modela YOLOv11s smo v okolju Ka- ggle naučili dva modela. Prvi je uporabljal kombinacijo dnevnih RGB in nočnih IR slik, pri drugem pa so bile vse slike pretvorjene v črno-belo obliko. Modela sta uporabljala enake razrede in enako delitev podatkov. Model RGB in IR je na validacijski množici dosegel natančnost 0,771, pri- klic 0,672, mAP@0.5 0,803 in mAP@0.5:0.95 0,644. Črno-beli model je dosegel natančnost in priklic 0,756, mAP@0.5 0,777 ter mAP@0.5:0.95 0,621. Črno-beli model je dosegel višji priklic in višjo največjo vrednost F1, model RGB in IR pa višji vrednosti mAP ter boljše rezultate pri razlikovanju med srno in srnja- kom. Rezultati kažejo, da odstranitev barvnih informacij ni izboljšala skupne uspešnosti. Za zanesljivejšo praktično uporabo bi bilo treba podatkovno zbirko dodatno razširiti, uravnotežiti in preveriti na slikah z drugih lokacij.20262026-09-02 10:05:02Diplomsko delo/naloga186472VisID: 63233COBISS_ID: 290350339sl