prikaz prve stranice dokumenta Učenje korespondencijske metrike za gustu stereoskopsku rekonstrukciju
No public access
master's thesis
Učenje korespondencijske metrike za gustu stereoskopsku rekonstrukciju
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2017. urn:nbn:hr:168:483291
Oršić, Marin
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Oršić, M. (2017). Učenje korespondencijske metrike za gustu stereoskopsku rekonstrukciju (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:483291

Oršić, Marin. "Učenje korespondencijske metrike za gustu stereoskopsku rekonstrukciju." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2017. https://urn.nsk.hr/urn:nbn:hr:168:483291

Oršić, Marin. "Učenje korespondencijske metrike za gustu stereoskopsku rekonstrukciju." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2017. https://urn.nsk.hr/urn:nbn:hr:168:483291

Oršić, M. (2017). 'Učenje korespondencijske metrike za gustu stereoskopsku rekonstrukciju', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 10 May 2024, https://urn.nsk.hr/urn:nbn:hr:168:483291

Oršić M. Učenje korespondencijske metrike za gustu stereoskopsku rekonstrukciju [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2017 [cited 2024 May 10] Available at: https://urn.nsk.hr/urn:nbn:hr:168:483291

M. Oršić, "Učenje korespondencijske metrike za gustu stereoskopsku rekonstrukciju", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2017. Available at: https://urn.nsk.hr/urn:nbn:hr:168:483291

Metadata
TitleUčenje korespondencijske metrike za gustu stereoskopsku rekonstrukciju
Title (english)Learning a correspondence metric for dense stereoscopic reconstruction
AuthorMarin Oršić
MentorSiniša Šegvić (mentor)
Committee memberSiniša Šegvić (predsjednik povjerenstva)
Committee memberDejan Škvorc (član povjerenstva)
Committee memberLeonardo Jelenković (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2017-07-19, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Stereoskopska rekonstrukcija je važno područje primjene računalnog vida. Vrlo važan korak pri rješavanju tog problema jest ostvarivanje korespondencije piksela lijeve i desne slike. Ta korespondencija može se ostvariti analizom udaljenosti deskriptora dobivenih ugrađivanjem slikovnih okana u visokodimenzionalni metrički prostor. Ugrađivanje se tipično provodi dubokim modelom naučenim na stereoskopskim slikama s poznatom dubinskom informacijom. U okviru rada, proučeni su postupci stereoskopske rekonstrukcije temeljene na naučenim metrikama. Preuzeti su javno dostupni parametri ugrađivanja i vrednovana je postignuta točnost rekonstrukcije na prikladnoj kolekciji stereoskopskih slika. Naučena je vlastita korespondencijska metrika te su provedene usporedbe s rezultatima dobivenima javnom parametrizacijom. Opisani su postupci učenja i validiranja hiperparametara. Prikazani su i ocijenjeni ostvareni rezultati. Predloženi su pravci budućeg razvoja.
Abstract (english)
Stereoscopic reconstruction is an important field of computer vision application. One of the main steps to solving this problem is computing the correspondence of left and right image pixels. Such correspondence may be achieved by distance analysis of image patch embeddings to a high dimensional metric space. Such embedding is typically achieved using deep learning trained on stereoscopic image pairs with ground truth depth information. In course of this thesis, learned metric stereo reconstruction algorithms have been studied. Publicly available embedding parameters have been evaluated on suitable stereoscopic datasets. Own correspondence metric was trained and compared against existing results. Training and hyperparameter validation steps are described. Achieved results are presented and further work is proposed.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:483291
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 on2019-03-13 23:31:58