Sperimentazione di tecniche di Deep Learning per l'Object Detection

Giambi, Nico (2020) Sperimentazione di tecniche di Deep Learning per l'Object Detection. [Laurea], Università di Bologna, Corso di Studio in Informatica [L-DM270]
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato

Download (2MB)

Abstract

Il lavoro svolto in questa tesi ruota intorno alla sperimentazione di tecniche di Deep Learning per l'Object Detection, ovvero la costruzione di un Object Detector a la YOLO partendo da zero testando per ogni parte della costruzione più alternative possibili per verificarne la praticità e correttezza, estrapolando per le varie fasi le soluzioni migliori, sia dal punto di vista funzionale sia per quanto riguarda la semplicità. In questa tesi è stato creato un Object Detector sfruttando MobileNet (una Convolutional Neural Network molto veloce) associata ad un algoritmo in stile YOLO (principalmente YOLOv2) e allenata sul dataset COCO (Common Objects in COntext). Le prove effettuate spaziano in tutti i campi, dalla scelta di usare un modello pre-allenato su un altro dataset alla decisione di alcuni parametri da usare come threshold in fase di post-processing. All'interno della tesi verranno spiegati brevemente i temi principali toccati dall'argomento e tutte le prove svolte, spiegando quali di ognuna di queste sia risultata migliore.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
Giambi, Nico
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Deep Learning,YOLO,COCO,Machine Learning,MobileNet,Google Colab,Object Detection,Tensorflow,Keras,Transfer Learning,Bounding Box,Reti Neurali
Data di discussione della Tesi
14 Ottobre 2020
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^