| Form of studies |
Bachelor |
| Title of the study programm |
Computer Science and Organizational Technologies |
| Title in original language |
Objektu atpazīšanas modeļu lietošana mājaslapu kvalitātes kontrolei un kļūdu identificēšanai |
| Title in English |
Employing Object Detection Models for Automated Detection of Layout Anomalies in User Interfaces |
| Department |
01B00 Riga Business School |
| Scientific advisor |
Valdis Saulespurēns |
| Reviewer |
Artūrs Vrubļevskis |
| Abstract |
Mākslīgā intelekta un datorredzes tehnoloģiju integrācija strauji attīstās visdažādākajās nozarēs, sākot ar veselības aprūpi, kur tiek identificēti rentgena attēlu raksturlielumi, līdz pat autotransporta drošības sistēmām, kur tiek uzlabota satiksmes plūsmu analīze. Neskatoties uz to, to ieviešana programmatūras testēšanas instrumentos un uzņēmumu izstrādātajās lietojumprogrammās vēl aizvien ir ierobežota. Šveices telekomunikāciju uzņēmums Swisscom ir viens no datu avotiem šim pētījumam. Sarunas ar uzņēmuma darbiniekiem atklāj, ka bieži kvalitātes kontroles darbi, kurus varētu veikt automātiski, joprojām tiek izpildīti manuāli. Izteiksmīgs piemērs ir lietotāja saskarnes prasību pārbaude, kur nepilnības aplikācijās vai tīmekļa vietnēs var novest pie kvalitātes pasliktināšanās. Lai uzturētu aplikācijas kvalitāti ir svarīgi šādas problēmas atpazīt agri un tās izlabot. Šis pētijums pārbauda ‘You Only Look Once’ v7 (YOLOv7) objektu atpazīšanas modeļa lietojamību, lai automatizētu trīs visbiežāk sastopamo izkārtojuma kļūdu identifikāciju, ko nevar veikt ar tradicionāliem testēšanas ietvariem. Apmācītie modeļi sasniedza zemāku vidējo precizitāti nekā gaidīts - (mAP@0.5) 0.19 svarīgākajai kļūdu kategorijai. Rezultāti joprojām uzrāda ievērojamu potenciālu šīs tehnoloģijas izmantošanai programmatūras testēšanā un kvalitātes kontrolē. Tika secināts, ka YOLOv7 un līdzīgus datorredzes modeļus var pielietot automatizētai kļūdu atpazīšanai, bet ar noteiktiem precizitātes ierobežojumiem. Ieteikums turpmākiem pētījumiem ir veikt padziļinātāku analīzi, izmantojot plašāku un kvalitatīvāku datu kopu, vai mainīt piemēroto datorredzes metodi, lai iegūtu padziļinātāku izpratni par efektīvākajiem kļūdu atpazīšanas veidiem. |
| Keywords |
datorredze, kvalitāte, pielietojums, kļūdu, precizitāte |
| Keywords in English |
dataset, model, computer vision, user interface (UI), training, accuracy, application, testing |
| Language |
eng |
| Year |
2024 |
| Date and time of uploading |
14.04.2024 12:23:35 |
