Šio darbo tikslas sukurti informacinę sistemą su automobilių atpažinimo funkcionalumu (naudojantis dirbtinio intelekto arba incremental learning metodus), darbo rezultatą pritaikant informacinei sistemai (gali būti automobilių skelbimų puslapis ar automobilių mėgėjų bendruomene ir/ar automobilių atpažinimo internetine paslauga).
Darbo uždaviniai: 1. Išnagrinėti ir pasirinkti tinkamą anotuotą automobilių nuotraukų duomenų rinkinį, 2. Atlikti literatūros analizę automobilių klasifikavimui pagal markę, modelį ar kitus aktualius požymius, 3. Suprojektuoti ir įgyvendinti informacinę sistemą, naudojančią darbe tirtus algoritmus.
Literatūros šaltiniai: 1. https://citeseerx.ist.psu.edu/document?repid=rep1&type=pdf&doi=105d76acffe4f738bc18c2adc633667502ffba55
https://cs229.stanford.edu/proj2014/Andrew%20Crudge,%20Will%20Thomas,%20Kaiyuan%20Zhu,%20Landmark%20Recognition%20Using%20Machine%20Learning.pdf
Large Scale Incremental Learning (galimai) https://openaccess.thecvf.com/content_CVPR_2019/papers/Wu_Large_Scale_Incremental_Learning_CVPR_2019_paper.pdf
Galimos duomenų imtys: Standford Cars, anotacijos yra markė, modelis ir metai, nuotraukų daug ir jos detalios, tačiau dauguma yra Amerikietiškų automobilių ir ne tiek daug (196 skirtingi auto): https://www.kaggle.com/datasets/cyizhuo/stanford-cars-by-classes-folder
Ir išsamesnis, CompCars dataset, jame žymiai daugiau automobilių (apie 1700), bet jis sudėtas sudėtingiau nei Standford cars, reiktų jį suprasti ir gražiai apiforminti https://www.kaggle.com/datasets/renancostaalencar/compcars
The aim of this work is to create an information system with car recognition functionality (using artificial intelligence or incremental learning methods), adapting the work result to an information system (it can be a car classifieds page or a car enthusiasts community and/or an online car recognition service).
Work tasks: 1. To analyze and select a suitable annotated car photo dataset, 2. To perform a literature analysis for car classification by make, model or other relevant features, 3. To design and implement an information system that uses the algorithms studied in the work.
Literature sources: 1. https://citeseerx.ist.psu.edu/document?repid=rep1&type=pdf&doi=105d76acffe4f738bc18c2adc633667502ffba55
https://cs229.stanford.edu/proj2014/Andrew%20Crudge,%20Will%20Thomas,%20Kaiyuan%20Zhu,%20Landmark%20Recognition%20Using%20Machine%20Learning.pdf
Large Scale Incremental Learning (galimai) https://openaccess.thecvf.com/content_CVPR_2019/papers/Wu_Large_Scale_Incremental_Learning_CVPR_2019_paper.pdf
Possible data samples: Standford Cars, annotations are make, model and year, there are many photos and they are detailed, but most are American cars and not so many (196 different cars): https://www.kaggle.com/datasets/cyizhuo/stanford-cars-by-classes-folder
And a more detailed one, CompCars dataset, it has much more cars (about 1700), but it is composed more complexly than Standford cars, it should be understood and beautifully designed https://www.kaggle.com/datasets/renancostaalencar/compcars
| Bakalauro kursinio darbo | | Bakalauro baigiamojo darbo |
| Paslaugų integracija (moderniųjų informacinių sistemų, paslaugų ar kitų išorinių komponentų integracija pagal taikymo sritį, architektūrinių sprendinių kūrimas bei tyrimai, įskaitant įvairių taikomųjų sričių signalų apdorojimo uždavinius) |
| Duomenų modeliavimas (reliacinių, struktūruotų ir nestruktūruotų duomenų modeliavimas, duomenų valdymo ir specializuotų duomenų bazių taikymai ir tyrimai) |
| Moderniosios interneto paslaugos (moderniųjų interneto paslaugų kūrimas ir jų tyrimai kontekstualizuotose aplinkose, pavyzdžiui, mobiliose, mikro servisuose) |