| Form of studies |
Bachelor |
| Title of the study programm |
Information Technology |
| Title in original language |
Mašīnmācīšanās un neironu tīklu lietojums anomāliju atklāšanai uz autoceļiem |
| Title in English |
Application of Machine Learning and Neural Networks for Anomaly Detection on Highways |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Jānis Grabis |
| Reviewer |
Jevgenijs Raģiņa |
| Abstract |
Bakalaura darba mērķis ir izstrādāt mašīnmācīšanās modeli ceļu satiksmes drošības uzlabošanai, identificējot anomālijas uz autoceļiem, piemēram, bedres un plaisas, izmantojot YOLO (You only look once) algoritmu. Darbā tika veikta literatūras analīze par dažādiem mākslīgā intelekta modeļiem, kas spēj attēlos detektēt dažādus objektus vai anomālijas. Tika sagatavota RDD2020 datu kopa ar 21000 attēliem, izveidots un apmācīts neironu tīkla modelis, kā arī veikti eksperimenti šī modeļa veiktspējas novērtēšanai. Labākais modelis (YOLOv8x, 20 epohas, 640x640 pikeļu rezolūcija) sasniedza 56% precizitāti validācijas datos un 57% precizitāti testa datos. Rezultāti liecina par anotāciju kvalitātes un aparatūras ierobežojumu ietekmi. Darbs apstiprina YOLO algoritma potenciālu ceļu anomāliju detekcijā, bet precizitātes uzlabošanai ir nepieciešamas kvalitatīvākas anotācijas un jaudīgāka aparatūra. |
| Keywords |
Mašīnmācīšanās, YOLO, neironu tīkli, ceļu anomālijas. |
| Keywords in English |
Machine learning, YOLO, neural networks, road anomalies |
| Language |
lv |
| Year |
2025 |
| Date and time of uploading |
28.05.2025 10:17:08 |
