prikaz prve stranice dokumenta Analiza i vrednovanje metoda za prepoznavanje linija vozne trake zasnovanih na strojnom učenju na različitim skupovima podataka
  Download
PDF 3.79 MB
master's thesis
Analiza i vrednovanje metoda za prepoznavanje linija vozne trake zasnovanih na strojnom učenju na različitim skupovima podataka
2022. urn:nbn:hr:200:781486
Jukić, Grgur
Josip Juraj Strossmayer University of Osijek
Faculty of Electrical Engineering, Computer Science and Information Technology Osijek
Department of Communications
Chair of Multimedia Systems and Digital Television

Cite this document

Jukić, G. (2022). Analiza i vrednovanje metoda za prepoznavanje linija vozne trake zasnovanih na strojnom učenju na različitim skupovima podataka (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:200:781486

Jukić, Grgur. "Analiza i vrednovanje metoda za prepoznavanje linija vozne trake zasnovanih na strojnom učenju na različitim skupovima podataka." Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek, 2022. https://urn.nsk.hr/urn:nbn:hr:200:781486

Jukić, Grgur. "Analiza i vrednovanje metoda za prepoznavanje linija vozne trake zasnovanih na strojnom učenju na različitim skupovima podataka." Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek, 2022. https://urn.nsk.hr/urn:nbn:hr:200:781486

Jukić, G. (2022). 'Analiza i vrednovanje metoda za prepoznavanje linija vozne trake zasnovanih na strojnom učenju na različitim skupovima podataka', Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek, accessed 20 April 2024, https://urn.nsk.hr/urn:nbn:hr:200:781486

Jukić G. Analiza i vrednovanje metoda za prepoznavanje linija vozne trake zasnovanih na strojnom učenju na različitim skupovima podataka [Master's thesis]. Osijek: Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek; 2022 [cited 2024 April 20] Available at: https://urn.nsk.hr/urn:nbn:hr:200:781486

G. Jukić, "Analiza i vrednovanje metoda za prepoznavanje linija vozne trake zasnovanih na strojnom učenju na različitim skupovima podataka", Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek, Osijek, 2022. Available at: https://urn.nsk.hr/urn:nbn:hr:200:781486

Please login to the repository to save this object to your list.
Metadata
TitleAnaliza i vrednovanje metoda za prepoznavanje linija vozne trake zasnovanih na strojnom učenju na različitim skupovima podataka
Title (english)Analysis and validation of machine learning-based lane lines detection methods using different datasets
AuthorGrgur Jukić
MentorMario Vranješ (mentor)
MentorDenis Vajak (sumentor)
Committee memberMario Vranješ (predsjednik povjerenstva)
Committee memberRatko Grbić (član povjerenstva)
Committee memberMarijan Herceg (član povjerenstva)
GranterJosip Juraj Strossmayer University of Osijek
Faculty of Electrical Engineering, Computer Science and Information Technology Osijek
(Department of Communications)
(Chair of Multimedia Systems and Digital Television)
Osijek
Defense date and country2022-09-20, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Artificial Intelligence
Abstract
U radu su opisane najpoznatije baze podataka koje sadrže zapis o stvarnim linijama vozne trake u okvirima video signala snimljenim u vožnji. Dan je pregled i postojećih metoda za detekciju linija vozne trake zasnovanih na dubokom učenju. Potom je napravljena analiza performansi triju metoda za detekciju linija vozne trake zasnovanih na dubokom učenju na trima različitim skupovima podataka. Opisan je način implementacije, testiranja i evaluacije istreniranih modela na različitim skupovima podataka te je dan kritički osvrt na dobivene rezultate. SCNN-VGG16 model se pokazao najboljim kada se trenira i testira na istom skupu podataka. Preciznost je slična kod SCNN-ResNnet34 i SCNN-ERFNet modela, no manji broj FP primjera kod SCNN-VGG16 modela uzrokuje točnije predviđanje linija vozne trake. Ukoliko se promjeni testni skup prilikom testiranja modela, rezultati su drugačiji za svaki podatkovni skup. Za CULane podatkovni skup SCNN-VGG-16 model se pokazao kao najprecizniji. Za TuSimple i LLAMAS testni skup, SCNN-ERFNet se pokazao kao najprilagodljiviji promjeni testnog skupa.
Abstract (english)
This master thesis describes the most famous databases that contain a record of the actual lines of the traffic lane in the frames of video signals recorded while driving. An overview of the existing methods for the detection of lane lines based on deep learning is given. Then, the performance analysis of the three lane line detection methods based on deep learning was made on three different datasets. The method of implementation, testing and evaluation of trained models on different datasets is described, and a critical review of the obtained results is given. The SCNN-VGG16 model performed best when trained and tested on the same dataset. The accuracy is similar to that of the SCNNResNnet34 and the SCNN-ERFNet models, but the smaller number of FP examples produced by the SCNN-VGG16 model causes a more accurate prediction of traffic lane lines. If the test set is changed during model testing, the results are different for each dataset. For the CULane dataset, the SCNNVGG-16 model proved to be the most accurate. For TuSimple and LLAMAS test sets, the SCNNERFNet proved to be the most adaptive to test set change.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:200:781486
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
Embargo expiration date: 2023-04-20
Terms of useLicence In copyright icon
Created on2022-12-19 12:41:01