Ball detection in digital images using computer vision techniques

U radu su obuhvaćeni osnovni pojmovi vezani uz digitalne slike, računalni vid i primjenu tehnika za detekciju oblika. Opisani su na pristupačan način kako bi se steklo potrebno razumijevanje za ovu tematiku, te je priložen kod kojim je obavljena implementacija.Zahvaljujući dubokom učenju i snažnim modelima konvolucijskih neuronskih mreža, u ovom slučaju YOLOv3 modela, bitno je olakšana detekcija objekata u digitalnim slikama. Također, dostupni alati koji služe za pripremu skupa podataka za učenje konvolucijskih neuronskih mreža, u ovom slučaju LabelImg alata, značajno pridonose olakšanju i brzini rješavanja problema. Tako je u ovom radu bilo potrebno pripremiti skup od dvjestotinjak digitalnih slika, svaku na potreban način označiti, te izdvojiti u skup za treniranje i skup za testiranje nad kojim se vrši provjera naučenog modela. Naučeni model detektira loptu u svakom novom testnom primjeru, za razliku od jednostavnijih rješenja implementiranih u Pythonu pomoću OpenCV knjižnice, koji nisu toliko uspješni zbog potrebe za podešavanjem parametara, te veće osjetljivosti na šumove.The paper covers basic concepts related to digital images, computer vision, and the application of shape detection techniques. They are described in an accessible manner to provide the necessary understanding of the topic, and accompanying code for implementation is provided. Thanks to deep learning and powerful models of convolutional neural networks, specifically the YOLOv3 model in this case, the detection of objects in digital images is significantly facilitated. Additionally, available tools used for preparing datasets for training convolutional neural networks, such as the LabelImg tool in this case, greatly contribute to easing and speeding up problem-solving. In this work, it was necessary to prepare a dataset of around two hundred digital images, annotate each image accordingly, and split them into a training set and a test set for evaluating the trained model. The trained model successfully detects the ball in each new test instance, unlike simpler solutions implemented in Python using the OpenCV library, which are not as successful due to the need for parameter tuning and higher sensitivity to noise