prikaz prve stranice dokumenta Klasifikacija slika dubokim konvolucijskim modelima s rezidualnim vezama
No public access
undergraduate thesis
Klasifikacija slika dubokim konvolucijskim modelima s rezidualnim vezama
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. urn:nbn:hr:168:906142
Borac, Antonio
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Borac, A. (2018). Klasifikacija slika dubokim konvolucijskim modelima s rezidualnim vezama (Undergraduate thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:906142

Borac, Antonio. "Klasifikacija slika dubokim konvolucijskim modelima s rezidualnim vezama." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. https://urn.nsk.hr/urn:nbn:hr:168:906142

Borac, Antonio. "Klasifikacija slika dubokim konvolucijskim modelima s rezidualnim vezama." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. https://urn.nsk.hr/urn:nbn:hr:168:906142

Borac, A. (2018). 'Klasifikacija slika dubokim konvolucijskim modelima s rezidualnim vezama', Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 26 December 2024, https://urn.nsk.hr/urn:nbn:hr:168:906142

Borac A. Klasifikacija slika dubokim konvolucijskim modelima s rezidualnim vezama [Undergraduate thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2018 [cited 2024 December 26] Available at: https://urn.nsk.hr/urn:nbn:hr:168:906142

A. Borac, "Klasifikacija slika dubokim konvolucijskim modelima s rezidualnim vezama", Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2018. Available at: https://urn.nsk.hr/urn:nbn:hr:168:906142

Metadata
TitleKlasifikacija slika dubokim konvolucijskim modelima s rezidualnim vezama
Title (english)Image Classification With Deep Convolutional Models With Residual Connections
AuthorAntonio Borac
MentorSiniša Šegvić (mentor)
Committee memberSiniša Šegvić (predsjednik povjerenstva)
Committee memberMarin Oršić (član povjerenstva)
Committee memberIvan Krešo (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2018-07-13, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Klasifikacija slika prirodnih scena je neriješen problem računalnog vida s mnogim zanimljivim primjenama. U posljednje vrijeme najbolji rezultati u tom području postižu se pristupima utemeljenima na dubokim konvolucijskim modelima. Za ovaj rad posebno su zanimljivi nadzirani pristupi gdje je svaka slika skupa za učenje označena semantičkim razredima objekata koje slika sadrži. U okviru rada, bilo je potrebno proučiti dokumentacije programskih okvira Tensorflow i PyTorch te biblioteke programskog jezika Python za rukovanje matricama i slikama. Izrađena je izvedba programskog sustava za učenje i primjenu klasifikacijskog modela. Evaluiran je utjecaj rezidualnih veza na točnost modela. Detaljno su analizirane konvolucijske mreže u okviru dubokog učenja. Prikazani su i ocijenjeni ostvareni rezultati i predložene izmjene za poboljšanje rezultata.
Abstract (english)
Image classification of natural scenes is an unsolved problem of computer vision with many interesting applications. Recently, approaches with deep convolutional models achieve best results in that area. For this paper were specially interesting supervised approaches where every image from training set is labeled with semantic classes of objects which image contains. In this paper documentations of programming frameworks Tensorflow and PyTorch for matrix and image handling were studied. Implementation of programming system for learning and application of classification model have been done. Implact of residual connections on model accuracy have been evaluated. Convolutional networks were deeply analized in context of deep learning. Achieved results have been shown and evaluated and suggestions for classification accuracy improvment have been provided.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:906142
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 on2019-03-13 19:11:41