20.500.12556/RUL-95566 Detekcija prometnih znakov s konvolucijskimi nevronskimi mrežami Traffic sign detection with convolutional neural networks Diplomsko delo se ukvarja z detekcijo in prepoznavanjem prometnih znakov z metodo Faster R-CNN. Razišče možnost uporabe generiranih podatkov za validacijo učenja, kot odgovor na omejeno velikost učne množice. Ker Faster R-CNN zaradi načina učenja ne dopušča običajnega učenja na težkih primerih (ang. bootstrapping), uporabimo novo metodo - sprotno iskanje težkih primerov. Na koncu iščemo optimalen način doučenja že obstoječega modela. The goal of this thesis is to describe and use method Faster R-CNN for detection and recognition of traffic signs. It explores the possibility of using artificially generated images in validation set, in hopes of saving real images for train set. We tackle a real world problem of growing dataset through time. We'll try to find an optimal way to augment the already learned model with new images. Lastly, we try to apply a new method, online hard example mining, which is essentially bootstrapping for end-to-end systems. Faster R-CNN klasifikacija detekcija sprotno iskanje težkih primerov doučenje prometni znaki Faster R-CNN classification detection online hard example mining fine-tuning traffic signs true false false Slovenski jezik Angleški jezik Diplomsko delo/naloga 2017-09-20 17:53:39 2017-09-20 17:53:39 2022-08-10 06:32:43 0000-00-00 00:00:00 2017 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 1970-01-01 20209 Kovacic_Andreja_-_Detekcija_prometnih_znakov_s_konvolucijskimi_nevronskimi_mrezami.pdf Kovacic_Andreja_-_Detekcija_prometnih_znakov_s_konvolucijskimi_nevronskimi_mrezami.pdf 1 EE4F177A6A5442AF8225A6C5C1B74595 e9e563a903fa30865c45c508d0e23750eb7767c6e00cb6685c9bf7e1f16f42d2 c9eeec4f-a1b3-11eb-a523-00155dcfd717 20.500.12556/rul/a15712d7-423b-4838-ad54-1dc02fa5c006 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=104175 Fakulteta za računalništvo in informatiko 0 0 0