20.500.12556/RUL-175070 A method for object detection by text prompting Metoda za detekcijo objektov s tekstovnim poizvedovanjem The increasing diversity and scale of object detection datasets have highlighted the limitations of closed-set detectors with fixed vocabularies. Open-set object detection addresses this by enabling the detection of arbitrary classes via text prompts. Grounding DINO is a prominent zero-shot detector, but its training code is not fully open-source, and its implementation is outdated. In this work, we reimplement Grounding DINO, achieving ~20% speedup, and extend it for text-based object counting, though these modifications do not consistently improve FSCD-147 performance. To enable training from scratch, we optimize the model further, achieving an additional ~30% speedup, and develop an edge-oriented variant inspired by a closed-source model. Training on 1.3 million images from scratch, we evaluate the model on COCO and LVIS datasets, where it performs comparably to other open-source models, but remains below the closed-source baseline, likely due to a much smaller training set. Naraščajoča raznolikost in obseg podatkovnih nizov za zaznavanje objektov je razkrila omejitve zaprto-množničnih detektorjev s fiksiranimi besednjaki. Zaznavanje objektov odprtih množic to rešuje tako, da omogoča zaznavanje poljubnih razredov prek tekstovnih poizvedb. Grounding DINO je uveljavljeni odprto-množični detektor, a njegova koda za učenje ni povsem odprtokodna, njegova implementacija pa zastarela. V tem delu reimplementiramo Grounding DINO, kar prinese približno ~20% pohitritev, in ga spremenimo za štetje objektov na podlagi tekstovnih poizvedb, a spremembe dosledno ne izboljšajo zmogljivosti na FSCD-147. Da bi lahko naučili model od začetka, ga še bolj optimiziramo, kar prinese dodatnih ~30% pohitritev, in razvijemo različico za robne naprave, na podlagi zaprto-kodne različice. Model učimo na 1,3 milijona slik od začetka in ga evalviramo na naborih COCO in LVIS, kjer dosega primerljive rezultate z drugimi odprtokodnimi modeli, vendar zaostaja za zaprto-kodnim osnovnim modelom, verjetno zaradi bistveno manjšega učnega nabora. object detection computer vision deep learning detekcija objektov računalniški vid globoko učenje true false false Angleški jezik Slovenski jezik Magistrsko delo/naloga 2025-10-14 13:55:01 2025-10-14 13:55:10 2025-12-03 04:05:00 0000-00-00 00:00:00 2025 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 37710 255569667 Rot_Ziga_-_Metoda_za_detekcijo_objektov_s_tekstovnim_poizvedovanjem.pdf Rot_Ziga_-_Metoda_za_detekcijo_objektov_s_tekstovnim_poizvedovanjem.pdf 1 9C8534907F8695B5AF0C92A891B8D993 556a96d5b38564ef2b18b4da4a5ce931635cb9d2082dc64ff398bb525e8cea87 61e447b7-a8f4-11f0-9328-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=220088 Fakulteta za računalništvo in informatiko 0 0 0