| Form of studies |
Bachelor |
| Title of the study programm |
Computer Systems |
| Title in original language |
Neironu tīklos balstīta telpas interjera elementu atpazīšanas risinājuma izstrāde ar platleņķa kameru uzņemtiem attēliem |
| Title in English |
Development of Neural Network Based Solution for Room Interior Element Recognition in Images Taken with a Wide-Angle Camera |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Egons Lavendelis |
| Reviewer |
Māris Kaļinka |
| Abstract |
Darbā aprakstīta risinājuma izstrāde telpas interjera elementu atpazīšanas modelim platleņķa kameras attēlos, kas balstīts neironu tīklos. Šāda veida attēlos ir iespējams nodrošināt lielāku redzes lauku, dodot iespēju objektu atpazīšanas modeļiem izmantot datus no vienas kameras ar plašu redzes lauku, mazinot nepieciešamību nodrošināt vairāku kameru darbību risinājumu izstrādē. Tomēr šāda veida attēli saskarās ar problēmām objektu deformācijā, kas traucē parastiem objektu atpazīšanas modeļiem atpazīt objektus attēlā.
Darbā apskatīti līdzšinējie risinājumi objekta atpazīšanai attēlos platleņķa kameras kontekstā un platleņķa kameras izmantojums dažādos objekta atpazīšanas risinājumos. Darba gaitā tiek aprakstītas problēmas, kas rodas mēģinot izstrādāt šādu modeli, ņemot vērā, ka trūkst datu kopas kas izstrādātas telpas objektu atpazīšanai. Lai risinātu šo problēmu tika apskatītas attēlu deformācijas metodes, kas nodrošinātu attēlu modifikāciju, lai izstrādātu datu kopu, kas attēlo īstas platleņķa kameras attēlus.
Risinājuma izstrādē izveidotas modificētas datu kopas, kas balstītas uz Open Image v7 un MS COCO datu kopām, kuras modificētas izmantojot Brauna – Konradija deformācijas modeli. Objektu atpazīšanas modelī izmantots YOLO dziļās mašīnmācīšanās objektu atpazīšanas algoritms, izmantojot YOLOv8 un YOLO11 arhitektūras modeļus, apskatot rezultātus apmācību procesā izmantojot gan iepriekš apmācītus modeļus, gan modeļus apmācot no sākuma. Modeļa sasniegto rezultātu salīdzināšanai apkopota informācija par sasniegtajām precizitātes, pārklājuma, mAP un F1 rezultāta, kā arī zudumu funkciju vērtībām. Sasniegtie rezultāti sasniedz līdzīgus rezultātus darbā apskatītajiem, jau izstrādātajiem risinājumiem.
Izstrādātais bakalaura darbs sastāv no 53 lapaspusēm, 20 attēliem, 24 tabulām. Pielikumā atrodas 6 tabulas ar eksperimentos iegūtajiem rezultātiem. Bakalaura darbā izmantoti 42 informācijas avoti. |
| Keywords |
Objektu atpazīšana, platleņķa kameras, dziļā mašīnmācīšanās, attēlu deformācija, neironu tīkli. |
| Keywords in English |
Object recognition, wide-angle cameras, deep machine learning, image deformation, neural networks |
| Language |
lv |
| Year |
2025 |
| Date and time of uploading |
27.05.2025 13:52:15 |
