Kõrge väärtusega sihtmärkide avastamine

Abstract

Lõputöö kirjeldab automatiseeritud kõrge väärtusega sihtmärkide tuvastamist,mille eesmärk on inimoperaatori töökoormuse vähendamine analüüsides etteantud videot. Selle magistritöö põhieesmärk on uurida üldist närvivõrkude mehhanismi ning olemasoleva eeltreenitud närvivõrgu tuunimine sobivate andmetega. Edasised närvivõrgu parameetrite korrigeerimised oli vaja teostada, et saavutada paremad tulemused kõrge väärtusega sihtmärkide tuvastamises reaalajas. Seda tüüpi süsteem on suuteline tuvastama erinevaid sihtmärkide klasse olenevalt sellest, mis andmetega süsteem oli treenitud. Uurimistöö oli fokusseeritud tuvastama kindlaid automarke ja mudeleid, aga tuvastatavaks objektiks saab olla ükskõik mis asi. Süsteemi võib potentsiaalselt rakendada järelvalves, piiripatrullis, loomade jälgimises.

This work describes an automatic high-value target detection for the purpose of reducing the human workload in analyzing video feed from the given source. The aim of this thesis is to investigate the mechanism of neural networks in general and to fine-tune an existing pre-trained neural network with suitable data. Further adjustment of the parameters was required to achieve better results in performing robust target detection in real-time. This kind of a system can recognize different classes of targets depending on the data it was trained with. The research was focused on detecting particular car marks and models, but target could be defined as any object. The potential application of such system could be found in surveillance systems, border control, monitoring the animals.