Semantička segmentacija kolničkih trakova

• 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

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.