prikaz prve stranice dokumenta Klasificiranje slika Fisherovim vektorima izgrađenim nad slučajnim distribucijskim šumama značajki slike
No public access
master's thesis
Klasificiranje slika Fisherovim vektorima izgrađenim nad slučajnim distribucijskim šumama značajki slike
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2015. urn:nbn:hr:168:361801
Pačandi, Dino
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Pačandi, D. (2015). Klasificiranje slika Fisherovim vektorima izgrađenim nad slučajnim distribucijskim šumama značajki slike (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:361801

Pačandi, Dino. "Klasificiranje slika Fisherovim vektorima izgrađenim nad slučajnim distribucijskim šumama značajki slike." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2015. https://urn.nsk.hr/urn:nbn:hr:168:361801

Pačandi, Dino. "Klasificiranje slika Fisherovim vektorima izgrađenim nad slučajnim distribucijskim šumama značajki slike." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2015. https://urn.nsk.hr/urn:nbn:hr:168:361801

Pačandi, D. (2015). 'Klasificiranje slika Fisherovim vektorima izgrađenim nad slučajnim distribucijskim šumama značajki slike', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 22 November 2024, https://urn.nsk.hr/urn:nbn:hr:168:361801

Pačandi D. Klasificiranje slika Fisherovim vektorima izgrađenim nad slučajnim distribucijskim šumama značajki slike [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2015 [cited 2024 November 22] Available at: https://urn.nsk.hr/urn:nbn:hr:168:361801

D. Pačandi, "Klasificiranje slika Fisherovim vektorima izgrađenim nad slučajnim distribucijskim šumama značajki slike", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2015. Available at: https://urn.nsk.hr/urn:nbn:hr:168:361801

Metadata
TitleKlasificiranje slika Fisherovim vektorima izgrađenim nad slučajnim distribucijskim šumama značajki slike
Title (english)Image classification with Fisher vectors over random density forests
AuthorDino Pačandi
MentorSiniša Šegvić (mentor)
Committee memberSiniša Šegvić (predsjednik povjerenstva)
Committee memberZoran Kalafatić (član povjerenstva)
Committee memberJan Šnajder (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2015-07-16, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
U okviru ovog rada proučena je i implementirana metoda korištenja Fisherovih vektora preko distribucijskih šuma za klasifikaciju slika. Motivacija korištenja distribucijskih šuma kao generativnog modela umjesto uvriježene Gaussove mješavine je ubrzanje samog postupka izračuna Fisherovih vektora. Postignuto je ubrzanje izračuna od oko 8 puta naspram korištenja Gaussove mješavine, uz gubitak prosječne srednje preciznosti (mAP) klasifikacije od oko 3%. Također je i proučen utjecaj globalne i lokalne analize glavnih komponenata, broja stabala u šumi kao i broj listova u stablu na točnost klasifikacije. Dodatno, predstavljen je novi način treniranja distribucijskih stabala; EM distribucijska stabla.
Abstract (english)
In this work, usage of Fisher vectors over random density forests for image classification is studied and implemented. Usage of random density forests as generative models instead of Gaussian mixture model was motivated by the desire to reduce computation time of a single Fisher vector. Computation time was reduced approximately 8 times versus Gaussian mixture usage, while loss of around 3% mean average precision (mAP) is reported. Effect of global and local PCA, number of trees per forest and number of leaves per tree on classification precision is also studied. Additionally, a novel approach to density tree training is introduced; EM density trees.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:361801
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 on2018-02-06 11:02:34