diplomski rad (sveučilišni)
Napredni sustavi za pomoć vozaču neizostavan su dio suvremenih vozila. Sustav za prepoznavanje prometnih znakova omogućuje razvoj autonomnih vozila i smanjenje broja prometnih nesreća uzrokovanih nepoštivanjem prometnih pravila. Prometni znakovi razlikuju se prema boji i obliku znaka te simbolima na samome znaku. Za prepoznavanje prometnih znakova koriste se metode iz područja umjetne inteligencije, odnosno računalnog vida. Za pripremu podataka za učenje modela koriste se metode predobrade podatak i metode za proširenje skupa podataka. Sustav za prepoznavanje sastoji se od modela za otkrivanje i modela za klasifikaciju prometnih znakova. YOLO algoritam korišten je za otkrivanje prometnih znakova i predviđanje njihove lokacije. Za klasifikaciju prometnih znakova u 43 kategorije korištene su konvolucijske neuronske mreže. Prepoznavanje prometnih znakova vrši se na stvarnim video snimkama, a sustav prepoznavanja evaluiran je pri različitim brzinama vozila, različitim intenzitetima svjetlosti, na različitim prometnim znakovima u različitim uvjetima očuvanosti i pri različitim položajima promatranja. Evaluacija je pokazala visoku točnost u radu sustava, no i ukazala na probleme rada u vanjskoj okolini i mogućnosti unaprjeđenja.
napredni sustavi za pomoć vozaču ; računalni vid ; prometni znakovi ; konvolucijske neuronske mreže ; YOLO algoritam
Razvojem virtualizacijskih tehnologija raste kompleksnost IT sustava, dok korisnici istovremeno zahtijevaju brži pristup resursima, napredne integracije i jednostavnost korištenja. Jedno od ključnih rješenja za ove izazove primjena je…
Ovaj rad istražuje i uspoređuje mogućnosti prosljeđivanja grafičkih kartica na Hyper-V i KVM hipervizorima prema virtualnim strojevima, detaljno opisujući metode, postupke i razlike u arhitekturi koje utječu na…
The ever-growing usage and adaptation of HTTP/3 in web traffic leverages Quick UDP Internet Connections (QUIC) as a transport protocol. QUIC is widely recognized for reduced latency, enhanced…
