Form of studies |
Bachelor |
Title of the study programm |
Telecommunications |
Title in original language |
Uz konvolucionālo tīklu bāzēta datorredzes sistēma cilvēka detektēšanai uz robežierīces |
Title in English |
Convolutional network based computer vision system for human detection on the edge |
Department |
13100 Institute of Telecommunications |
Scientific advisor |
A.Elsts |
Reviewer |
I.Lavrinoviča |
Abstract |
Objektu atpazīšana un lokalizēšana, kopā saukta par objektu detektēšanu, ir populāra datorredzes problēma. Tās pielietojumi ietver robotiku, video novērošanu, autonomo braukšanu un jebkuru citu uzdevumu, kas ietver objektu skaitīšanu vai lokalizāciju telpā. Cilvēku skaitīšana un lokalizācija telpā ir galvenās apakšproblēmas fiziskās distances novērošanai, kas ir kļuvusi aktuāla COVID-19 pandēmijas laikā.
Šajā darbā ir izstrādāta uz konvolucionālajiem tīkliem balstīta datorredzes sistēma cilvēka detektēšanai ar platleņķa kameru. Ierīce apstrādā video lokāli tādējādi saglabājot anonimitāti. Ierīces izstrādē izpētītas gan klasiskās mašīnmācīšanās, gan dziļo neironu tīklu metodes objektu detektēšanai. Testēta kvantēšanas, neironu tīklu arhitektūras un izšķirtspējas, kā arī ārējo apstākļu ietekme uz inferenci.
Ierīces eksperimentāli pārbaudītas gan laboratorijas apstākļos, gan 4 reālās vidēs: 2 slimnīcās, Latvijas Nacionālajā Operā un vannu ražotnē.
Radītā sistēma strādā ar 4,55 kadru sekundē lielu ātrumu uz Jeston Nano un uzrāda 45 % vidējo svērto precizitāti pie 75 % pārklājuma un apkopojuma dalījuma metrikas. Sistēma strādā ar 200 grādu platleņķa attēlu un ir spējīga reģistrēt ietvaru 20 metru attālumā kā arī turpināt darbību, kad attēlā ir redzami 48 detektējamie objekti. |
Keywords |
objektu detektēšana, dziļie neironu tīkli, konvolucionālie neironu tīkli, robežierīce, kvantēšana, inference. |
Keywords in English |
object detection, deep neural networks, convolutional neural networks, edge device, quantization, inference |
Language |
lv |
Year |
2021 |
Date and time of uploading |
05.06.2021 13:00:43 |