prikaz prve stranice dokumenta Detekcija i klasifikacija morskog otpada iz podvodnih slika korištenjem konvolucijskih neuronskih mreža
  Download
PDF 4.42 MB
master's thesis
Detekcija i klasifikacija morskog otpada iz podvodnih slika korištenjem konvolucijskih neuronskih mreža
2020. urn:nbn:hr:155:405699
Đuraš, Antun
University of Dubrovnik
Faculty of Electrical Engineering and Applied Computing

Cite this document

Đuraš, A. (2020). Detekcija i klasifikacija morskog otpada iz podvodnih slika korištenjem konvolucijskih neuronskih mreža (Master's thesis). Dubrovnik: University of Dubrovnik. Retrieved from https://urn.nsk.hr/urn:nbn:hr:155:405699

Đuraš, Antun. "Detekcija i klasifikacija morskog otpada iz podvodnih slika korištenjem konvolucijskih neuronskih mreža." Master's thesis, University of Dubrovnik, 2020. https://urn.nsk.hr/urn:nbn:hr:155:405699

Đuraš, Antun. "Detekcija i klasifikacija morskog otpada iz podvodnih slika korištenjem konvolucijskih neuronskih mreža." Master's thesis, University of Dubrovnik, 2020. https://urn.nsk.hr/urn:nbn:hr:155:405699

Đuraš, A. (2020). 'Detekcija i klasifikacija morskog otpada iz podvodnih slika korištenjem konvolucijskih neuronskih mreža', Master's thesis, University of Dubrovnik, accessed 17 December 2024, https://urn.nsk.hr/urn:nbn:hr:155:405699

Đuraš A. Detekcija i klasifikacija morskog otpada iz podvodnih slika korištenjem konvolucijskih neuronskih mreža [Master's thesis]. Dubrovnik: University of Dubrovnik; 2020 [cited 2024 December 17] Available at: https://urn.nsk.hr/urn:nbn:hr:155:405699

A. Đuraš, "Detekcija i klasifikacija morskog otpada iz podvodnih slika korištenjem konvolucijskih neuronskih mreža", Master's thesis, University of Dubrovnik, Dubrovnik, 2020. Available at: https://urn.nsk.hr/urn:nbn:hr:155:405699

Please login to the repository to save this object to your list.
Metadata
TitleDetekcija i klasifikacija morskog otpada iz podvodnih slika korištenjem konvolucijskih neuronskih mreža
Title (english)Detection and classification of marine litter from underwater imagery using convolutional neural networks
AuthorAntun Đuraš
MentorIvana Palunko (mentor)
Committee memberIvana Palunko (predsjednik povjerenstva)
Committee memberMario Miličević (član povjerenstva)
Committee memberDinka Lale (član povjerenstva)
GranterUniversity of Dubrovnik
(Faculty of Electrical Engineering and Applied Computing)
Dubrovnik
Defense date and country2020-09-24, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Electrical Engineering
Electronics
Abstract
Razorni utjecaj sve većih količina morskog otpada na morski ekosustav predstavlja prijetnju ljudskom zdravlju, ekonomiji i kvaliteti života. Automatizacija procesa sakupljanja i pronalaženja otpada autonomnim podvodnim vozilima omogućila bi značajan napredak prema rješenju ovog problema. Za implementaciju takvog sustava potrebno je semantičko razumijevanje podvodnog okruženja na temelju informacija iz senzora podvodnog robota. Kamera tipično pruža velike količine informacija o okruženju, ipak djelovanje distorzije i visoka varijabilnost uvjeta podvodnog okruženja znači da su potrebni modeli visokog kapaciteta da bi se obuhvatili obrasci prisutni u podacima. Konvolucijske mreže su modeli iz domene strojnog učenja koji posljednje desetljeće dominiraju na zadacima detekcije i klasifikacije. U sklopu ovog rada prikupljene su i označene podvodne slike morskog otpada, formiran je podatkovni skup za treniranje modela za detekciju i klasifikaciju morskog otpada, dana je teorijska pozadina principa rada konvolucijskih modela za detekciju i klasifikaciju, nakon čega su modeli implementirani i evaluirani koristeći Tensorflow Object Detection API. Evaluacijom različitih modela, uz usporedbu preciznosti s obzirom na kompleksnost i brzinu inferencije, stečen je uvid u njihovu primjenjivost na ovaj problem.
Abstract (english)
Devastating impact of increasing ammounts of marine litter on the marine ecosystem presents a looming threat to human health, economy and quality of life. Ability to automate the process of marine litter collection utilizing autonomous underwater vehicles represents a significant step towards the problem solution. Implementation of such system requires a semantic understanding of underwater environment based on the information collected by robot sensors. Cameras can typically be used to extract a lot of information about robot surroundings but due to specifics of underwater imagery such as variety of conditions and geometric distorsions, high capacity models are required to learn patterns from the data. During the last decade convolutional neural networks dominate the benchmarks for image classification and object detection tasks. In the scope of this thesis theoretical background of convolutional models for detection and classification was reviewed, underwater images of marine litter were collected from online databases and annotated for litter detection and classification task, finally models were implemented, trained and evaluated using Tensorflow Object Detection API. By evaluating performance on models of different complexity and speed of inference we analysed their applicability on this problem.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:155:405699
Study programmeTitle: Marine Electrical Engineering and Communication Technologies
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka elektrotehničkih i komunikacijskih tehnologija u pomorstvu (magistar/magistra inženjer/inženjerka elektrotehničkih i komunikacijskih tehnologija u pomorstvu)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2020-10-06 11:07:44