prikaz prve stranice dokumenta Kvantizacija konvolucijskih modela za raspoznavanje slika
No public access
undergraduate thesis
Kvantizacija konvolucijskih modela za raspoznavanje slika
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. urn:nbn:hr:168:430671
Minđek, Marko
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Minđek, M. (2021). Kvantizacija konvolucijskih modela za raspoznavanje slika (Undergraduate thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:430671

Minđek, Marko. "Kvantizacija konvolucijskih modela za raspoznavanje slika." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. https://urn.nsk.hr/urn:nbn:hr:168:430671

Minđek, Marko. "Kvantizacija konvolucijskih modela za raspoznavanje slika." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. https://urn.nsk.hr/urn:nbn:hr:168:430671

Minđek, M. (2021). 'Kvantizacija konvolucijskih modela za raspoznavanje slika', Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 25 August 2024, https://urn.nsk.hr/urn:nbn:hr:168:430671

Minđek M. Kvantizacija konvolucijskih modela za raspoznavanje slika [Undergraduate thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2021 [cited 2024 August 25] Available at: https://urn.nsk.hr/urn:nbn:hr:168:430671

M. Minđek, "Kvantizacija konvolucijskih modela za raspoznavanje slika", Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2021. Available at: https://urn.nsk.hr/urn:nbn:hr:168:430671

Metadata
TitleKvantizacija konvolucijskih modela za raspoznavanje slika
Title (english)Quantization of convolutional models for image recognition
AuthorMarko Minđek
MentorSiniša Šegvić (mentor)
Committee memberSiniša Šegvić (predsjednik povjerenstva)
Committee memberPetra Bevandić (član povjerenstva)
Committee memberMatej Grcić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2021-07-09, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Raspoznavanje slika važan je zadatak računalnog vida s mnogim zanimljivim primjenama. Trenutno stanje tehnike koristi duboke modele koji se uče s kraja na kraj. Nažalost, velika računska složenost tih modela isključuje mnoge zanimljive primjene. Taj problem možemo ublažiti zamjenom decimalnih računskih operacija odgovarajućim cjelobrojnim operacijama. U okviru rada, potrebno je odabrati okvir za automatsku diferencijaciju te upoznati biblioteke za rukovanje matricama i slikama. Proučiti i ukratko opisati postojeće pristupe za klasifikaciju slike. Odabrati slobodno dostupni skup slika te oblikovati podskupove za učenje, validaciju i testiranje. Uhodati postupke učenja modela u decimalnoj točnosti. Predložiti prikladnu metodologiju za prevođenje tih modela u cjelobrojnu točnost. Procijeniti mogućnost izvedbe kvantiziranog modela na grafičkom procesoru. Validirati hiperparametre, vrednovati kvantizirane modele te prikazati i ocijeniti postignutu točnost. Radu priložiti izvorni i izvršni kod razvijenih postupaka, ispitne slijedove i rezultate, uz potrebna objašnjenja i dokumentaciju. Citirati korištenu literaturu i navesti dobivenu pomoć.
Abstract (english)
Image recognition is important task with many interesting applications in computer vision. Current state of the art are deep models trained end to end. Unfortunatelly, computing complexity of those models excludes lots of interesting applications. That problem can be mitigated by replacing decimal with integer operations. Within this work it is reqired to choose a framework for automatic differentiation and get familiar with libraries for handling matrices and images. Existing approaches to image classification should be studied and described. Free public image dataset was choosen and training, validation and test subsets were constructed. Execute learining procedures in decimal precision. Propose appropriate metodology for converting those models to integer precision. Estimate possibility of executing quantized model on graphics processor. Validate hyperparameters, evaluate quantized models and present and evaluate accomplished accuracy. Submit source and executable code, test cases and results with appropriate explanation and documentation alongside paper. Cite used literature and received help.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:430671
Study programmeTitle: Computing
Study programme type: university
Study level: undergraduate
Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-01-14 21:13:15