prikaz prve stranice dokumenta Primjena YOLO algoritma za prepoznavanje i analizu parkirnih mjesta
  Preuzmi
PDF 1.97 MB
završni rad
Primjena YOLO algoritma za prepoznavanje i analizu parkirnih mjesta
2024. urn:nbn:hr:137:874574
Kovačević, David
Sveučilište Jurja Dobrile u Puli
Fakultet informatike u Puli

Citirajte ovaj rad

Kovačević, D. (2024). Primjena YOLO algoritma za prepoznavanje i analizu parkirnih mjesta (Završni rad). Pula: Sveučilište Jurja Dobrile u Puli. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:137:874574

Kovačević, David. "Primjena YOLO algoritma za prepoznavanje i analizu parkirnih mjesta." Završni rad, Sveučilište Jurja Dobrile u Puli, 2024. https://urn.nsk.hr/urn:nbn:hr:137:874574

Kovačević, David. "Primjena YOLO algoritma za prepoznavanje i analizu parkirnih mjesta." Završni rad, Sveučilište Jurja Dobrile u Puli, 2024. https://urn.nsk.hr/urn:nbn:hr:137:874574

Kovačević, D. (2024). 'Primjena YOLO algoritma za prepoznavanje i analizu parkirnih mjesta', Završni rad, Sveučilište Jurja Dobrile u Puli, citirano: 27.11.2024., https://urn.nsk.hr/urn:nbn:hr:137:874574

Kovačević D. Primjena YOLO algoritma za prepoznavanje i analizu parkirnih mjesta [Završni rad]. Pula: Sveučilište Jurja Dobrile u Puli; 2024 [pristupljeno 27.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:137:874574

D. Kovačević, "Primjena YOLO algoritma za prepoznavanje i analizu parkirnih mjesta", Završni rad, Sveučilište Jurja Dobrile u Puli, Pula, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:137:874574

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:137:874574
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovPrimjena YOLO algoritma za prepoznavanje i analizu parkirnih mjesta
AutorDavid Kovačević
MentorGoran Oreški (mentor)
MentorRomeo Šajina (komentor)
Član povjerenstvaSiniša Sovilj (predsjednik povjerenstva)
Član povjerenstvaGoran Oreški (član povjerenstva)
Član povjerenstvaRomeo Šajina (član povjerenstva)
Član povjerenstvaRobert Šajina (član povjerenstva)
Član povjerenstvaTihomir Orehovački (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Jurja Dobrile u Puli
(Fakultet informatike u Puli)
Pula
Datum i država obrane2024-09-17, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		DRUŠTVENE ZNANOSTI
Informacijske i komunikacijske znanosti
Informacijski sustavi i informatologija
Sažetak
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.
Sažetak (engleski)
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.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:137:874574
Studijski programNaziv: Informatika
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) informatike (univ.bacc inf.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2024-09-16 09:46:47