prikaz prve stranice dokumenta Klasifikacija biljnih vrsta iz slika biljaka temeljena na dubokom učenju
No public access
master's thesis
Klasifikacija biljnih vrsta iz slika biljaka temeljena na dubokom učenju
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. urn:nbn:hr:168:819419
Tišljar, Marija
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Tišljar, M. (2024). Klasifikacija biljnih vrsta iz slika biljaka temeljena na dubokom učenju (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:819419

Tišljar, Marija. "Klasifikacija biljnih vrsta iz slika biljaka temeljena na dubokom učenju." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. https://urn.nsk.hr/urn:nbn:hr:168:819419

Tišljar, Marija. "Klasifikacija biljnih vrsta iz slika biljaka temeljena na dubokom učenju." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. https://urn.nsk.hr/urn:nbn:hr:168:819419

Tišljar, M. (2024). 'Klasifikacija biljnih vrsta iz slika biljaka temeljena na dubokom učenju', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 03 November 2024, https://urn.nsk.hr/urn:nbn:hr:168:819419

Tišljar M. Klasifikacija biljnih vrsta iz slika biljaka temeljena na dubokom učenju [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2024 [cited 2024 November 03] Available at: https://urn.nsk.hr/urn:nbn:hr:168:819419

M. Tišljar, "Klasifikacija biljnih vrsta iz slika biljaka temeljena na dubokom učenju", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2024. Available at: https://urn.nsk.hr/urn:nbn:hr:168:819419

Metadata
TitleKlasifikacija biljnih vrsta iz slika biljaka temeljena na dubokom učenju
Title (english)Classification of plant species from plant images based on deep learning
AuthorMarija Tišljar
MentorAlan Jović (mentor)
Committee memberAlan Jović (predsjednik povjerenstva)
Committee memberJan Šnajder (član povjerenstva)
Committee memberMarko Čupić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2024-02-19, Croatia
Abstract
Učenje modela na skupu podataka sa velikom neuravnoteženosti klasa je izazovan problem. Ovaj rad kroz niz eksperimenata i analizu rezultata dolazi do zaključka da augmentacija podataka igra važnu ulogu u povećanju robusnosti i točnosti modela. Tehnika naduzorkovanja, također se pokazala efikasnom u rješavanju problema neuravnoteženosti klasa, doprinoseći boljem prepoznavanju manje zastupljenih klasa. Odabrana arhitektura modela, ResNet50, u kombinaciji s augmentacijom i optimizacijom hiperparametara, pokazala se uspješnom u postizanju visoke točnosti klasifikacije, dosegavši klasifikacijsku točnost od približno 81 %, što je usporedivo sa srodnim rezultatima iz literature. Dodatno, razvoj web aplikacije omogućio je interakciju korisnika s modelom u stvarnom vremenu.
Abstract (english)
Training models on a dataset with significant class imbalance is a challenging problem. This thesis, through a series of experiments and result analysis, concludes that data augmentation plays an important role in enhancing the robustness and accuracy of the model. The technique of oversampling has also proved effective in addressing the problem of class imbalance, contributing to better recognition of less represented classes. The chosen model architecture, ResNet50, combined with data augmentation and hyperparameter optimization, has been successful in achieving high classification accuracy, reaching accuracy of 81 %, which is comparable to the results of related work. Furthermore, the development of a web application has enabled real-time user interaction with the model.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:819419
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2024-03-28 07:55:37