Bruk av nevrale nettverk for avansert deteksjon av objekter under vann.
Abstract
SwimEye er et system for å øke sikkerheten mot drukningsulykker i basseng. Det er ønskelig å gjøre SwimEyes deteksjon enda bedre, og denne masteroppgaven kommer frem til en løsning på dette problemet ved bruk av et nevralt nettverk.
Dataene som skal behandles her er binære bilder (bilder bestående av kun sorte eller hvite piksler) som er hentet ut fra SwimEye. Ulike nevrale nettverksstrukturer ble implementert i Matlab, og bedømt ut fra følgende kriterier:
Sannsynlighet for korrekt klassifisering.
Sensitivitet og spesifisitet.
Areal under ROC kurvene.
Det ble funnet ut at et nevralt nettverk med ett skjult lag bestående av fem skjulte noder egner seg best. Dette nettverket har en sannsynlighet for korrekt deteksjon på 80,4 % i gjennomsnitt. En får da redusert andel falske positive alarmer med 58,4 % ved en sensitivitet på 95 %.
Selve programmet er implementert i Matlab og en beskrivelse av programmets funksjoner samt programkoden er gitt som vedlegg.
Description
Master's thesis in Information technology