Closed bmijanovic closed 7 months ago
Како планирате да евалуирате ваш YOLO модел на том скупу података (експериментални поступак)? Које мере перформанси ћете користити за евалуацију YOLO модела на том скупу?
Podelili bismo skup podataka na 70% za treniranje, 15% za validaciju i 15% za testiranje našeg modela. Mere performansi za evaluaciju modela bismo koristili Precision, Recall i F1 score, a na kraju i evaluaciju funkcionisanja samog sistema kroz tačnost akcija koje su izvršene.
Пројекат одобрен. Оставите линк до Github репозиторијума пројекта. Срећан рад.
1. Tim
Članovi tima:
2. Asistent
Marko Njegomir
3. Definicija Problema
Razviti sistem za kontrolu video igre pomoću kamere i detekcije šake, omogućavajući igračima da upravljaju igrom kroz jednostavne gestove i pokrete šake umesto klasičnih kontrolera.
4. Motivacija Problema
Cilj nam je unaprediti iskustvo igranja video igara, čineći ga pristupačnijim i zabavnijim.
5. Skup Podataka
Za treniranje modela bismo koristili već postojeći data set. https://www.kaggle.com/datasets/gti-upm/leapgestrecog
6. Metodologija
Koristićemo tehniku dubokog učenja. Napisali bismo našu verziju YOLO algoritma.
7. Evaluacija
Evaluacija će se sprovoditi kroz: Performanse Kontrole Igre: Testiranje efikasnosti sistema u upravljanju igrom pomoću detektovanih gestova.