Semantička segmentacija kolničkih trakova

Semantička segmentacija je jedan od problema kojim se bavi računalni vid. Semantička segmentacija ima širok spektar primjene, od medicine, poljoprivrede do u posljednje vrijeme sve popularnijeg područja autonomne vožnje. Autonomna vožnja nameće poseban izazov semantičkoj segmentaciji, posebice ukoli...

Full description

Bibliographic Details
Main Author: Bratulić, Jelena
Other Authors: Šegvić, Siniša
Format: Bachelor Thesis
Language:Croatian
Published: Sveučilište u Zagrebu. Fakultet elektrotehnike i računarstva. 2020
Subjects:
semantička segmentacija
računalni vid
autonomna vozila
duboki konvolucijski modeli
ljestvičasto naduzorkovanje
LLAMAS
semantic segmentation
computer vision
autonomus driving
deep convolutional models
ladder upsampling
TEHNIČKE ZNANOSTI. Računarstvo
TECHNICAL SCIENCES. Computing
Lanes
sami
Online Access:https://zir.nsk.hr/islandora/object/fer:9286
https://urn.nsk.hr/urn:nbn:hr:168:913204
https://repozitorij.unizg.hr/islandora/object/fer:9286
https://repozitorij.unizg.hr/islandora/object/fer:9286/datastream/PDF
Description
Summary:Semantička segmentacija je jedan od problema kojim se bavi računalni vid. Semantička segmentacija ima širok spektar primjene, od medicine, poljoprivrede do u posljednje vrijeme sve popularnijeg područja autonomne vožnje. Autonomna vožnja nameće poseban izazov semantičkoj segmentaciji, posebice ukoliko se radi o segmentaciji kolničkih trakova budući da su sami trakovi izrazito uski i teško primjetni na slikama. Međutim, dobre rezultate u rješavanju tog problema postižu duboki konvolucijski modeli s ljestvičastim naduzorkovanjem. U ovom radu implementiran je jedan takav model te su provodeni i prikazani eksperimentalni rezultati na skupu podataka LLAMAS. Semantic segmentation is one of the problems that computer vision deals with. Semantic segmentation has a wide range of applications, from medicine, agriculture to the recently increasingly popular field of autonomous driving. Autonomous driving imposes a special challenge on semantic segmentation, especially when it comes to lane segmentation since the lanes themselves are extremely narrow and difficult to notice in images. However, deep convolutional models with ladder upsampling achieve good results in solving this problem. In this paper, one such model was implemented and experimental results were performed and presented on the LLAMAS data set.

Similar Items