Detekce objektů a sledování trasy pohybu účastníků provozu pro potřeby inteligentních dopravních uzlů
Loading...
Date
Authors
Vymazal, Tomáš
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Diplomová práce se zaměřuje na problematiku detekce objektů. Je navržen experiment, který posuzuje detekční modely YOLOv5, YOLOR, Scaled-YOLOv4 a EfficientDet a po- rovnává jejich vlastnosti (rychlost detekce, pamětové nároky, přesnost a jistotu detekce). K tomuto účelu je vytvořena vlastní datová sada, na které jsou tyto parametry zkoumány. Ze studie vyplývá, že nejlépe je na tom síť YOLOv5. Pro trasování objektů je použit deep SORT, který je důležitý pro následné získání trénovacích dat z videozáznamu pro predikci pohybu objektů. Přidanou hodnotou je návrh predikčního algoritmu, který je založený na polynomiálním regresním modelu.
The master‘s thesis is focused on the object detection. The aim of this thesis is to desine an experiment to assess the detection models YOLOv5, YOLOR, Scaled-YOLOv4 and EfficientDet and to compare their properties (detection speed, memory requirements, accuracy and certainty of detection). For this purpose a custom data set is created to investigate these parameters. The study shows that the YOLOv5 network is performd as the best solution. Deep SORT is used for object tracking which is important for the subsequent extraction of training data from video footage for object movement prediction. The added value is the design of the prediction algorithm which is based on a polynomial regression model.
The master‘s thesis is focused on the object detection. The aim of this thesis is to desine an experiment to assess the detection models YOLOv5, YOLOR, Scaled-YOLOv4 and EfficientDet and to compare their properties (detection speed, memory requirements, accuracy and certainty of detection). For this purpose a custom data set is created to investigate these parameters. The study shows that the YOLOv5 network is performd as the best solution. Deep SORT is used for object tracking which is important for the subsequent extraction of training data from video footage for object movement prediction. The added value is the design of the prediction algorithm which is based on a polynomial regression model.
Description
Keywords
Python3, PyTorch, YOLOv5, YOLOR, Scaled-YOLOv4, EfficientDet, deep SORT, LSTM, GRU, RNN, Polynomiální regresní model, pandas, Detekce, Trasování, Predikce, Python3, PyTorch, YOLOv5, YOLOR, Scaled-YOLOv4, EfficientDet, deep SORT, LSTM, GRU, RNN, Polynomial regression model, pandas, Detection, Tracking, Pre- diction
Citation
VYMAZAL, T. Detekce objektů a sledování trasy pohybu účastníků provozu pro potřeby inteligentních dopravních uzlů [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
bez specializace
Comittee
prof. Ing. Zdeněk Smékal, CSc. (předseda)
Ing. Ondřej Krajsa, Ph.D. (člen)
Ing. Jan Skapa, Ph.D. (člen)
Ing. Michal Lares, Ph.D. (člen)
Ing. Rudolf Procházka (člen)
doc. Ing. Petr Šiška, Ph.D. (místopředseda)
Date of acceptance
2023-06-07
Defence
Student prezentoval výsledky své práce a komise byla seznámena s posudky.
Student obhájil diplomovou práci a odpověděl na otázky členů komise a oponenta:
Vo Vašej práci uvádzate, že na testovacie účely bola zvolená jedna brnenská križovatka (ulice Koliště a Milady Horákové), ktorá bola snímaná dopravnou kamerou. Prosím uveďte zdroj, odkiaľ boli vyhotovené zábery z tejto križovatky. Napríklad či ste si kameru na križovatku nainštaloval sám, alebo využívate kameru Brnenských komunikacií (BKOM) a taktiež akým spôsobom boli dané kamerové zábery získané.
Student dostatečně vysvětlil otázku.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení