diplomsko delo
Matic Zgonc (Avtor), Borut Batagelj (Mentor)

Povzetek

V diplomski nalogi smo preverili, če se klasične metode računalniškega vida lahko primerjajo z modernimi pristopi, ki temeljijo na strojnem učenju in nevronskih mrežah. Primerjavo smo izvedli na problemu detekcije puščic pri klasičnem pikadu. Cilj je bil razviti sistem z visoko natančnostjo, ki bo enostaven za uporabo in cenovno dostopen. S pomočjo metod računalniškega vida smo najprej razvili klasični sistem, kjer smo opisali celoten postopek, od kalibracije do detekcije puščic. Sledil je razvoj sistemov, ki temeljijo na strojnem učenju. Uporabili smo različne arhitekture, da smo ugotovili, katera izmed njih prinaša najboljše rezultate. Po pridobitvi vseh rezultatov smo preverili še časovno zahtevnost posameznih pristopov. Sledila je končna primerjava sistemov glede na uspešnost in zmogljivost, ter cenovna primerjava razvitega sistema z obstoječimi rešitvami.

Ključne besede

OpenCV;YOLO;semantična segmentacija;instančna segmentacija;visokošolski strokovni študij;diplomske naloge;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.11 - Diplomsko delo
Organizacija: UL FRI - Fakulteta za računalništvo in informatiko
Založnik: [M. Zgonc]
UDK: 004.93:796.262(043.2)
COBISS: 124605187 Povezava se bo odprla v novem oknu
Št. ogledov: 24
Št. prenosov: 8
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Comparison of arrow detection methods for classic darts
Sekundarni povzetek: In the thessis we compared classic methods of computer vision with modern approaches based on machine learning and neural networks. Comparison was made on problem of detecting arrows at steel darts. First we developed system based on classic methods of computer vision and described complete process from calibration to score prediction. Next we developed systems based on machine learning. We used different architectures to find out which give us the best results. After we gathered all results we checked time complexity on all developed systems. At the end we compared systems by detection rate, performance and checked price difference of our system with existing solutions.
Sekundarne ključne besede: computer vision;OpenCV;darts;YOLO;semantic segmentation;instance segmentation;computer science;diploma;Računalniški vid;Pikado;Računalništvo;Univerzitetna in visokošolska dela;
Vrsta dela (COBISS): Diplomsko delo/naloga
Študijski program: 1000470
Konec prepovedi (OpenAIRE): 1970-01-01
Komentar na gradivo: Univ. v Ljubljani, Fak. za računalništvo in informatiko
Strani: 45 str.
ID: 16534294