prikaz prve stranice dokumenta Primjena YOLO algoritma za prepoznavanje i analizu parkirnih mjesta
  Download
PDF 1.97 MB
undergraduate thesis
Primjena YOLO algoritma za prepoznavanje i analizu parkirnih mjesta
2024. urn:nbn:hr:137:874574
Kovačević, David
University of Pula
Faculty of Informatics in Pula

Cite this document

Kovačević, D. (2024). Primjena YOLO algoritma za prepoznavanje i analizu parkirnih mjesta (Undergraduate thesis). Pula: University of Pula. Retrieved from https://urn.nsk.hr/urn:nbn:hr:137:874574

Kovačević, David. "Primjena YOLO algoritma za prepoznavanje i analizu parkirnih mjesta." Undergraduate thesis, University of Pula, 2024. https://urn.nsk.hr/urn:nbn:hr:137:874574

Kovačević, David. "Primjena YOLO algoritma za prepoznavanje i analizu parkirnih mjesta." Undergraduate thesis, University of Pula, 2024. https://urn.nsk.hr/urn:nbn:hr:137:874574

Kovačević, D. (2024). 'Primjena YOLO algoritma za prepoznavanje i analizu parkirnih mjesta', Undergraduate thesis, University of Pula, accessed 30 November 2024, https://urn.nsk.hr/urn:nbn:hr:137:874574

Kovačević D. Primjena YOLO algoritma za prepoznavanje i analizu parkirnih mjesta [Undergraduate thesis]. Pula: University of Pula; 2024 [cited 2024 November 30] Available at: https://urn.nsk.hr/urn:nbn:hr:137:874574

D. Kovačević, "Primjena YOLO algoritma za prepoznavanje i analizu parkirnih mjesta", Undergraduate thesis, University of Pula, Pula, 2024. Available at: https://urn.nsk.hr/urn:nbn:hr:137:874574

Please login to the repository to save this object to your list.
Metadata
TitlePrimjena YOLO algoritma za prepoznavanje i analizu parkirnih mjesta
AuthorDavid Kovačević
MentorGoran Oreški (mentor)
MentorRomeo Šajina (komentor)
Committee memberSiniša Sovilj (predsjednik povjerenstva)
Committee memberGoran Oreški (član povjerenstva)
Committee memberRomeo Šajina (član povjerenstva)
Committee memberRobert Šajina (član povjerenstva)
Committee memberTihomir Orehovački (član povjerenstva)
GranterUniversity of Pula
(Faculty of Informatics in Pula)
Pula
Defense date and country2024-09-17, Croatia
Scientific / art field,
discipline and subdiscipline		SOCIAL SCIENCES
Information and Communication Sciences
Information Systems and Information Science
Abstract
U ovom radu istraživao sam primjenu YOLO (You Only Look Once) algoritma za prepoznavanje i analizu parkirnih mjesta. Uvodni dio rada obuhvaća osnovne pojmove i metode detekcije objekata, te pregled dostupnih algoritama u ovom području. Odlučio sam se za YOLO algoritam zbog njegove učinkovitosti i preciznosti. U teorijskom dijelu rada opisao sam YOLO algoritam, uključujući njegovu arhitekturu i radni princip. Posebna pažnja posvećena je YOLOv8 verziji algoritma, koja predstavlja najnoviju iteraciju ovog pristupa. Korištene su različite varijante YOLOv8 algoritma, uključujući YOLOv8s, YOLOv8n i YOLOv8m s različitim hiperparametrima treniranja. Implementacija je provedena na različitim YOLO modelima, koristeći unaprijed trenirane modele na COCO skupu podataka, kao i modele trenirane od nule, ali svi su kasnije dodatno trenirani (fine-tuning) na specifičnom skupu podataka. Procijena učinkovitosti modela je napravljena detaljnom analizom performansi modela na njemu nepoznatom skupu podataka kako bi se utvrdila njegova točnost i brzina u stvarnim uvjetima. Validacija i testiranje provedeni su kako bi se utvrdile performanse svakog modela.
Abstract (english)
In this paper, I explored the application of the YOLO (You Only Look Once) algorithm for the recognition and analysis of parking spaces. The introductory part of the paper covers basic concepts and methods of object detection, as well as an overview of available algorithms in this field. I chose the YOLO algorithm due to its efficiency and accuracy. In the theoretical part of the paper, I described the YOLO algorithm, including its architecture and working principle. Special attention was given to the YOLOv8 version of the algorithm, which represents the latest iteration of this approach. Different variants of the YOLOv8 algorithm were used, including YOLOv8s, YOLOv8n, and YOLOv8m with different training hyperparameters. Implementation was carried out on various YOLO models, using pre-trained models on the COCO dataset, as well as models trained from scratch, but all were later fine-tuned on a specific dataset. Validation and testing were conducted to determine the performance of each model.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:137:874574
Study programmeTitle: Informatics
Study programme type: university
Study level: undergraduate
Academic / professional title: sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) informatike (sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) informatike)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2024-09-16 09:46:47