Kelio dangos klasifikavimas naudojant dirbtinius neuroninius tinklus

Abstract

Baigiamajame magistro darbe tiriamas kelio dangos būklės ir tipų klasifikavimas naudojantis konvoliuciniais neuroniniais tinklais. Teorinėje dalyje nagrinėjami dirbtiniai neuroniniai tinklai bei jų metodai, gilaus mokymosi bibliotekos bei įrankiai, susijusių mokslinių publikacijų analizė, skirtingos konvoliucinių neuroninių tinklų architektūros. Praktinėje baigiamojo darbo dalyje išanalizuotas (Šabanovič, Žuraulis, Prentkovskis, & Skrickij, 2020) tyrimo metu surinktų duomenų rinkinys, atliktas duomenų rinkinio papildymas. Taip pat pateikiami rezultatai, gauti apmokius skirtingų konvoliucinių neuroninių tinklų architektūrų modelius. Atsižvelgus į rezultatus bei panaudojimo galimybes, pasiūlytas subalansuotas pagal greitį bei tikslumą konvoliucinio neuroninio tinklo modelis, pateikiamos baigiamojo darbo išvados. Darbą sudaro 4 dalys: įvadas, 4 skyriai, išvados, literatūros sąrašas. Darbo apimtis – 81 p. teksto be priedų, 47 iliustr., 12 lent., 47 bibliografiniai šaltiniai

This master's thesis covers road surface type and condition identification using a convolutional neural network. The theory part analyses artificial neural networks and their methods, deep learning platforms and tools, analysis of scientific publications, different convolutional neural network architectures. In the practical part analysis of (Šabanovič, Žuraulis, Prentkovskis, & Skrickij, 2020) gathered dataset was presented and its expansion was made by gathering data from different sources and then labelling it. Different convolutional neural network architectures models were trained and comparison of performance was given. After discussing results and possibilities of usage, effective and accurate convolutional neural network model realized and tested. The conclusions of master’s thesis are presented. The work consists of 4 parts: introduction, 4 chapters, conclusions, list of literature. Thesis consist of: 81 p. text without appendixes, 47 pictures, 12 tables, 47 bibliographical entries.