Razvoj sustava za prepoznavanje geometrijskih tijela korištenjem YOLOv8 modela

diplomski rad

• Naslov (engleski): Development of a system for recognizing geometric bodies using the YOLOv8 model
• Autor: Filip Zadro
• Mentor: Tomislav Stipančić (mentor)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet strojarstva i brodogradnje; Zagreb
• Datum i država obrane: 2024-07-15, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Strojarstvo

Sažetak

Računalni vid se koristi u različite svrhe, uključujući prepoznavanje, detekciju, klasifikaciju. Prilikom treniranja neuronske mreže koriste se različite metode umjetne inteligencije, koje koriste prikupljene podatke za učenje modela. Cilj ovog diplomskog rada je razviti sustav prepoznavanje geometrijskih tijela za društvenu igru Dungeons&Dragons (D&D) koristeći YOLOv8 paket. Potrebno je razviti neuronsku mrežu. prikupiti potrebne podatke te prikupljene podatke je potrebno obilježiti i klasificirati, nakon toga provesti treniranje te izvršiti analizu rezultata. Skup podataka se sastoji od „kockica“ D4, D6, D8, D10, D12, D20 i D100. Treniranje modela se provodi s varijabilnim skupom podataka, tako da će se skup podataka povećavati novim podacima nakon svakog treninga, s ciljem praćenja poboljšavanja neuronske mreže.

Sažetak (engleski)

Computer vision is used for various purposes, including recognition, detection, and classification. During the training of a neural network, different artificial intelligence methods are utilized, using collected data to train the model. The aim of this thesis is to develop a geometric shape recognition system for the board game Dungeons & Dragons (D&D) using the YOLOv8 package. It is necessary to develop a neural network, collect the required data, label and classify the collected data, conduct the training, and perform an analysis of the results. The dataset consists of "dice" D4, D6, D8, D10, D12, D20, and D100. The model training is conducted with a variable dataset, in such a way that the dataset will be increased with new data after each training session, with the goal of monitoring the improvement of the neural network.

• Ključne riječi: Računalni vid; Neuronska mreža; YOLOv8; Klasifikacija
• Ključne riječi (engleski): Computer vision; Neural network; YOLOv8; Classification
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:235:397407
• Studijski program: Naziv: Strojarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka strojarstva (mag. ing. mech.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2024-07-13 14:37:43