Regisztráció és bejelentkezés

Lopott autók felismerése Android platformon Deep Learning technikával

A gépi tanulás segítségével egyre komplexebb feladatok számítógépes megoldására nyílik lehetőségünk; objektum detektálás, beszédszintézis, vagy idősor előrejelzés is lehetséges. A technológia fejlődése lehetővé teszi, hogy ennek a tudományágnak a vívmányai egyre több eszközön megjelenjenek. Ezzel párhuzamosan a mobiltelefonok mindennapi életünk részévé váltak. A gépi tanulás és a mobil eszközök ötvözése új lehetőségeket nyithat, melyek kisegítenek minket mindennapjainkban.

Habár a lehetőségek tárháza széles, az eszközön történő futtatás még igen ritka. Ez olyan problémákat okozhat, mint az alacsony rendelkezésre állás, az internettől való függés, megnövekedő hálózati forgalom, vagy a személyes adatok védelmének kérdése. Ennek a dolgozatnak a célja, hogy demonstrálja, hogyan készülhet egy olyan rendszer a gépi tanulás segítségével, ami ezen problémákat kiküszöböli – valós időben, függetlenül futva hétköznapi eszközökön.

Azért a lopott járművek felismerését választottam, mert ez számos megoldandó részfeladatot foglal magába (jármű- és rendszámtábla detektálás, karakterfelismerés). Egy átlagos okostelefont fedélzeti kameraként használva egy autós folyamatosan nézheti a forgalmat és automatikusan bejelentést tehet, akár vezetés közben is. Habár hasonló telepített kamerarendszerek már léteznek, ezek jellemzően helyhez kötött eszközökön futnak. A választott feladat nem csak az egyik első ilyen alkalmazás az okostelefonok piacán, könnyen általánosítható és alkalmazható más problémakörökben is.

Az algoritmus készítéséhez szükséges lépéseket, úgymint az adatok előkészítését, a modell kialakítását, tanítását és finomhangolását részletekbe menően bemutatom. Továbbá az Android kliens és a szerveroldali alkalmazás is röviden ismertetésre kerül, hogy képet kapjon az Olvasó, mi minden volt szükséges egy ilyen rendszer életre keltéséhez.

szerző

  • Fodor Árpád
    Mérnök informatikus szak, mesterképzés
    mesterképzés (MA/MSc)

konzulens

  • Pásztor Dániel
    doktorandusz, Automatizálási és Alkalmazott Informatikai Tanszék

helyezés

III. helyezett