Algoritmu salīdzinājums objektu noteikšanai attēlos

Abstract

Bakalaura darba mērķis ir veikt salīdzinājumu objektu noteikšanas algoritmiem attēlos gan teorētiskajā daļā, gan praktiskajā daļā. Darba teorētiskajā daļā tiek izpētīti vairāki objektu noteikšanas un klasifikācijas algoritmi attēlos, kuriem tiek aprakstīta to arhitektūra un darbības principi. Šiem algoritmiem tika apkopoti esoši veiktspējas mērījumi – precizitāte un ātrdarbība – uz vispārējām datu kopām. Darba praktiskajā daļā tiek testēti divi no objektu noteikšanas algoritmiem. Izmantojot mašīnmācīšanos tiek trenēti modeļi uz unikālas Formula 1 datu kopas un iegūti veiktspējas rezultāti priekš darba autora definētas problēmas.

The aim of the bachelor thesis is to compare algorithms for object detection in images both in theoretical part and practical part. In the theoretical part of the thesis, multiple object detection algorithms are researched for which the architecture and working principles are described. For these algorithms a summary of existing performance measurements is given on general data sets. In the practical part, two of the object detection algorithms are tested. Using machine learning models are trained on a custom Formula 1 data set and performance results are obtained for a problem defined by the author of the thesis.