Closed Damjan032 closed 3 years ago
Skup podataka, metodologija i evaluacija se pominju po dva puta. Korigujte prijavu.
Uklonjeno, doslo je do greske prilikom kopiranja.
Deo evaluacije se poklapa sa delom motivacije problema. Korigujte evaluaciju.
Korigovano, izvinjavam se.
Tema odobrena. Ostavite link ka GitHub repozitorijumu projekta. Srećan rad.
Tim Damjan Manojlović, SW20/2017 Haris Gegić, SW70/2017
Asistent Dragan Vidaković
Definicija problema
Potrebno je izvršiti proveru nošenja zaštitnog šlema i prsluka na radnom mestu. Ulaz u sistem predstavlja fotografija na kojoj se potencijalno nalaze radnici za koje se proverava da li nose ličnu zaštitnu opremu, dok je izlaz iz sistema predstavlja označene radnike i oznaku da li oni nose zaštitnu opemu (šlem, prsluk).
Motivacija problema
S obzirom na to da je bezbednost na radnom mestu izuzetno bitna, kako za same radnike, tako i za poslodavce. Ovakav način provere nošenja zaštitne opreme bi bio vrlo primenjiv na gradilištu (mod. bauštela), gde bi se automatski moglo proveriti koji radnik na gradilištu ne ispunjava zahteve za nošenje zaštitne opreme.
Skup podataka
Skup podataka koji će biti primenjen nalazi se na lokaciji -> skup podataka, a sadrži fotografije na kojima niko ne nosi zaštitnu opremu, fotografije na kojima radnici nose samo zaštitne šlemove, na kojima nose samo prsluke ili oboje. Za svaku fotografiju iz skupa je, u posebnoj tekstualnoj datoteci, označen ograničavajući pravougaonik za zaštitni šlem i prsluk.
Metodologija
S obzirom na fotografije na kojima istovremeno može da se nađe više ljudi, bilo bi potrebno pronaći sve osobe na fotografiji, a onda proceniti da li nose ikakvu zaštitnu opremu i kakvu. Predloženi način za rešavanje ovakvog problema bi bio podeljen u delove gde se prvo pronalaze ljudi na slici, a taj deo bi bio izvršen primenom YOLOv3 algoirtma, dok bi se onda, za svaku prepoznatu osobu sa slike koristio klasifikator sa zasebnom konvolucionom neuronskom mrežom u cilju prepoznavanja kakvu zaštitnu opremu nosi navedeno lice.
Evaluacija
Skup podataka bi bio izdvojen na trening, validacioni i test deo. Nakon treniranja modela na test skupu može se evaluirati dati model pomoću metrika i zaključiti koja najbolje opisuje model. Za procenu efikasnosti algoritma biće korišćena mean average precision metrika. Na osnovu ovoga bi bilo zaključeno koji primenjeni algoritam i/ili način augmentacije podataka rezultuje najvećom efikasnosti.
Repozirorijum
Repozitorijum je na ovoj adresi.