| Form of studies |
Bachelor |
| Title of the study programm |
Information Technology |
| Title in original language |
Anotāciju-efektīva augļu un dārzeņu atpazīšana, izmantojot pašuzraudzītu pirmsapmācību un aktīvo mācīšanos |
| Title in English |
Annotation-Efficient Fruit and Vegetable Recognition via Self-Supervised Pretraining and Active Learning |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Sergejs Paršutins |
| Reviewer |
Jurijs Čižovs |
| Abstract |
Darbs ir veltīts anotāciju efektīvas augļu un dārzeņu atpazīšanas metožu izpētei, izmantojot pašuzraudzītu pirmsapmācību un aktīvo mācīšanos. Mūsdienu datorredzes modeļiem parasti nepieciešams liels manuāli marķētu datu apjoms, kura sagatavošana ir laikietilpīga un resursietilpīga, tāpēc darbā tiek pētītas pieejas, kas ļauj samazināt nepieciešamo anotāciju daudzumu. Darba mērķis ir novērtēt, cik efektīvi iespējams veikt attēlu klasifikāciju ar ierobežotu marķēto datu apjomu, izmantojot pašuzraudzītu pirmsapmācību un aktīvās mācīšanās stratēģijas. Darbā tika izmantoti Fruits-360 un Open Images datu kopumi. Pašuzraudzītajai pirmsapmācībai tika izmantota SimCLR metode ar ResNet-50 arhitektūru, savukārt aktīvās mācīšanās posmā tika salīdzinātas random sampling, uncertainty sampling un margin sampling stratēģijas. Eksperimenti tika veikti ar dažādiem anotāciju apjomiem no 5% līdz 100% no train datu kopas. Iegūtie rezultāti parādīja, ka modeļi ar pašuzraudzītu pirmsapmācību spēj sasniegt augstāku klasifikācijas precizitāti pie ierobežota marķēto datu apjoma salīdzinājumā ar apmācību no nulles. Tika secināts, ka pašuzraudzītā pirmsapmācība būtiski uzlabo modeļa spēju atpazīt attēlu pazīmes, savukārt atšķirības starp aktīvās mācīšanās stratēģijām konkrētajos eksperimentos bija salīdzinoši nelielas. |
| Keywords |
pašuzraudzītā mācīšanās, aktīvā mācīšanās, attēlu klasifikācija, datorredze, dziļā mācīšanās, SimCLR, ResNet-50, fine-tuning, anotāciju efektivitāte, Open Images |
| Keywords in English |
self-supervised learning, active learning, image classification, computer vision, deep learning, SimCLR, ResNet-50, fine-tuning, annotation efficiency, Open Images |
| Language |
lv |
| Year |
2026 |
| Date and time of uploading |
27.05.2026 00:10:37 |
