Kliūčių ant pėsčiųjų tako atpažinimas taikant giliojo mokymosi metodus
Matuzevičius, Dalius | Recenzentas / Rewiewer |
Darbo gynimo komisijos pirmininkas / Thesis Defence Board Chairman | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member |
Kliūčių ant pėsčiųjų tako atpažinimas taikant giliojo mokymosi metodus. Magistro baigiamasis darbas informatikos inžinerijos laipsniui. Vilniaus Gedimino technikos universitetas. Vilnius, 2024, 74 p., 34 iliustr., 15 lent., 38 bibl., 3 priedų.Šiame magistro darbe tiriamas kliūčių ant pėsčiųjų tako atpažinimas taikant giliojo mokymosi metodus. Tikslui pasiekti buvo atlikta giliojo mokymosi metodų, skirtų objektams aptikti ir atpažinti vaizduose, analitinę apžvalgą ir atrinkti giliojo mokymosi metodai, taikytini kliūčių ant pėsčiųjų tako atpažinimui vaizduose. Paruoštas duomenų rinkinys kliūčių ant pėsčiųjų tako atpažinimo metodų eksperimentiniams tyrimams. Eksperimentinėje dalyje buvo ištirti pasirinkti kliūčių ant pėsčiųjų tako atpažinimo metodai, ir pateikti tyrimo rezultatai. Eksperimentų rezultatai rodo, kad pasirinkti giliojo mokymo metodai tinka kliūtims aptikti, apmokinant tinklus su viešai publikuojamu duomenų rinkiniu ar su surinktu duomenų rinkiniu.
This master's thesis investigates the recognition of obstacles on a pedestrian path using deep learning methods. To achieve the goal, an analytical review of deep learning methods for object detection and recognition in images was performed and deep learning methods were selected for the recognition of obstacles on the pedestrian path in images. A dataset for the experimental studies of obstacle recognition methods on the pedestrian path has been prepared. In the experimental part, selected methods of recognizing obstacles on the pedestrian path were studied, and the results of the study were presented. Experimental results show that the selected deep learning methods are suitable for obstacle detection when training networks with a publicly published dataset or with a collected dataset.The master's thesis consists of 74 pages, 34 illustrations, 15 tables, 38 references, 3 annexes.