prikaz prve stranice dokumenta Izgradnja detektora objekata zasnovanih na dubokim neuronskim mrežama i implementacija na ugradbeni računalni sustav
  Download
PDF 5.61 MB
master's thesis
Izgradnja detektora objekata zasnovanih na dubokim neuronskim mrežama i implementacija na ugradbeni računalni sustav
2021. urn:nbn:hr:200:797486
Mučaj, Klaudija
Josip Juraj Strossmayer University of Osijek
Faculty of Electrical Engineering, Computer Science and Information Technology Osijek
Department of Computer Engineering and Automation
Chair of Automation and Robotics

Cite this document

Mučaj, K. (2021). Izgradnja detektora objekata zasnovanih na dubokim neuronskim mrežama i implementacija na ugradbeni računalni sustav (Master's thesis). Osijek: Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek. Retrieved from https://urn.nsk.hr/urn:nbn:hr:200:797486

Mučaj, Klaudija. "Izgradnja detektora objekata zasnovanih na dubokim neuronskim mrežama i implementacija na ugradbeni računalni sustav." Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek, 2021. https://urn.nsk.hr/urn:nbn:hr:200:797486

Mučaj, Klaudija. "Izgradnja detektora objekata zasnovanih na dubokim neuronskim mrežama i implementacija na ugradbeni računalni sustav." Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek, 2021. https://urn.nsk.hr/urn:nbn:hr:200:797486

Mučaj, K. (2021). 'Izgradnja detektora objekata zasnovanih na dubokim neuronskim mrežama i implementacija na ugradbeni računalni sustav', Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek, accessed 24 April 2024, https://urn.nsk.hr/urn:nbn:hr:200:797486

Mučaj K. Izgradnja detektora objekata zasnovanih na dubokim neuronskim mrežama i implementacija na ugradbeni računalni sustav [Master's thesis]. Osijek: Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek; 2021 [cited 2024 April 24] Available at: https://urn.nsk.hr/urn:nbn:hr:200:797486

K. Mučaj, "Izgradnja detektora objekata zasnovanih na dubokim neuronskim mrežama i implementacija na ugradbeni računalni sustav", Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek, Osijek, 2021. Available at: https://urn.nsk.hr/urn:nbn:hr:200:797486

Please login to the repository to save this object to your list.
Metadata
TitleIzgradnja detektora objekata zasnovanih na dubokim neuronskim mrežama i implementacija na ugradbeni računalni sustav
Title (english)Development of object detectors based on deep neural networks and implementation in embedded system
AuthorKlaudija Mučaj
MentorRatko Grbić (mentor)
Committee memberRatko Grbić (predsjednik povjerenstva)
Committee memberJosip Job (član povjerenstva)
Committee memberEmmanuel Karlo Nyarko (član povjerenstva)
GranterJosip Juraj Strossmayer University of Osijek
Faculty of Electrical Engineering, Computer Science and Information Technology Osijek
(Department of Computer Engineering and Automation)
(Chair of Automation and Robotics)
Osijek
Defense date and country2021-09-30, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Artificial Intelligence
Abstract
Implementacija detektora za detektiranje najvažnijih sudionika i predmeta prometa u sustave za autonomnu vožnju je zahtjevan zadatak jer se oni sastoje od ugradbenih računalnih sustava koji imaju ograničene resurse. Osim toga, vrlo često se kod novo razvijenih mreža ne testira robusnost na promjene uvjeta. Ovim radom se YOLOv3 i Faster R-CNN mreže treniraju za detektiranje šest najvažnijih sudionika i predmeta prometa. Testiranje performansi razvijenih detektora provodi se na računalu i NVIDIA Jetson Nanu. Kako bi se testirala robusnost na promjene uvjeta, detektori se treniraju koristeći BDD100K skup podataka, a testiraju na CityScapes, ApolloScape i vlastito izgrađenom skupu podataka. Testiranja su pokazala da i YOLOv3 i Faster R-CNN ostvaruju lošije rezultate na testnim skupovima u odnosu na rezultate validacijskog skupa. Pokazalo se kako niti YOLOv3 niti Faster R-CNN implementacija na NVIDIA Jetson Nanu ne pružaju dovoljno visoku brzinu detekcije objekata za primjenu u sustavima za rad u stvarnom vremenu. Implementacijom YOLOv3 detektora u TensorRT SDK se smanjuje točnost detektiranja, ali brzina inferencije raste. Implementacija Faster R-CNN detektora u TensorRT SDK nije bila uspješna.
Abstract (english)
Since autonomous driving systems consist of embedded computer systems that have limited resources, implementing detectors for detecting the most important participants and objects in traffic is a challenging task. Furthermore, robustness to changing conditions of newly developed networks is not often tested. This work trains a YOLOv3 and a Faster R-CNN network to detect the six most important participants and objects in traffic. Performance testing of the developed detectors is conducted on a computer and NVIDIA Jetson Nano. Robustness testing is performed by training the detectors using the BDD100K dataset and testing them on CityScapes, ApolloScape and a self-built dataset. Compared to the results obtained with the validation set, the test results are worse. Neither YOLOv3 nor the Faster R-CNN implementation on NVIDIA Jetson Nano have provided a sufficiently high object detection rate for application in a real-time system. While the TensorRT SDK implementation of the YOLOv3 detector increased the rate of inference, the detection accuracy decreased. The implementation of the Faster R-CNN detector in the TensorRT SDK was not successful.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:200:797486
Study programmeTitle: UNIVERSITY STUDY AUTOMOBILE COMPUTER AND COMMUNICATION
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka automobilskog računarstva i komunikacija (magistar/magistra inženjer/inženjerka automobilskog računarstva i komunikacija)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2021-11-24 13:50:29