Vis enkel innførsel

dc.contributor.advisorPedersen, Marius
dc.contributor.advisorGeorge, Sony
dc.contributor.authorNørstebø, Simen Andre
dc.contributor.authorMyrum, Espen
dc.date.accessioned2019-09-19T14:03:27Z
dc.date.available2019-09-19T14:03:27Z
dc.date.issued2019
dc.identifier.urihttp://hdl.handle.net/11250/2617894
dc.description.abstractNorsk institutt for naturforskning ønsket å se om det var mulig å automatisk gjenkjenne om en undervannsvideo viser en settefisk eller villfisk. I denne rapporten skal vi se nærmere på ulike metoder for å løse dette problemet med maskinlæring eller datasyn. Vi har sett hvor viktig det er med et bra datasett, og bevist at teknikkene vi har brukt har hatt en positiv innvirkning på resultatene. Vi trente et KNN- og ECOC-modell til ca. 99% nøyaktighet. Til slutt implementerte vi modellene inn i en fungerende applikasjon som klassifiserer video av kultivert ørret og villfisk gjennom bildeuthenting og -klassifisering.
dc.description.abstractNorwegian Institute for Nature Research wanted to see if it was possible to automatically detect if a fish on an underwater video is from a hatchery or is wild. In this thesis we looked into different methods for solving this problem using machine learning and computer vision. We have seen the importance of a good dataset, and shown that the techniques we used have had a positive impact on the results. We trained a CNN- and ECOC-model to an accuracy of approx. 99%. Finally we implemented these models into a working application which classifies videos of hatched and wild trout through image extraction and classification.
dc.languagenob
dc.publisherNTNU
dc.titleAutomatisk gjenkjenning av settefisk
dc.typeBachelor thesis


Tilhørende fil(er)

Thumbnail
Thumbnail

Denne innførselen finnes i følgende samling(er)

Vis enkel innførsel