prikaz prve stranice dokumenta Detekcija izvandistribucijskih primjeraka suparničkim učenjem
No public access
master's thesis
Detekcija izvandistribucijskih primjeraka suparničkim učenjem
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2019. urn:nbn:hr:168:579798
Bušić, Hrvoje
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Bušić, H. (2019). Detekcija izvandistribucijskih primjeraka suparničkim učenjem (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:579798

Bušić, Hrvoje. "Detekcija izvandistribucijskih primjeraka suparničkim učenjem." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2019. https://urn.nsk.hr/urn:nbn:hr:168:579798

Bušić, Hrvoje. "Detekcija izvandistribucijskih primjeraka suparničkim učenjem." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2019. https://urn.nsk.hr/urn:nbn:hr:168:579798

Bušić, H. (2019). 'Detekcija izvandistribucijskih primjeraka suparničkim učenjem', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 22 November 2024, https://urn.nsk.hr/urn:nbn:hr:168:579798

Bušić H. Detekcija izvandistribucijskih primjeraka suparničkim učenjem [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2019 [cited 2024 November 22] Available at: https://urn.nsk.hr/urn:nbn:hr:168:579798

H. Bušić, "Detekcija izvandistribucijskih primjeraka suparničkim učenjem", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2019. Available at: https://urn.nsk.hr/urn:nbn:hr:168:579798

Metadata
TitleDetekcija izvandistribucijskih primjeraka suparničkim učenjem
Title (english)Out-of-distribution detection by adversarial learning
AuthorHrvoje Bušić
MentorSiniša Šegvić (mentor)
Committee memberSiniša Šegvić (predsjednik povjerenstva)
Committee memberZoran Kalafatić (član povjerenstva)
Committee memberMarko Čupić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2019-07-15, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Klasifikacija slika je važan zadatak računalnog vida koji u različitim primjenama postiže vrhunske rezultate, no korišteni diskriminativni konvolucijski modeli su skloni neopravdanom optimizmu što ih čini nespremnima za šire praktično prihvaćanje. Razmotren je pristup učenju klasifikatora usmjeren ka razdvajanju prediktivnih distribucija unutar- i izvan-distribucijskih primjeraka za lakšu izgradnju detektora izvan-distribucijskih primjeraka zasnovanog na pragu, gdje se generativni suparnički model koristi za uzorkovanje najkorisnijih izvan-distribucijskih primjeraka u fazi učenja. Performanse dobivenih klasifikatora su ispitane uporabom standardiziranog skupa metrika za problem detekcije izvan-distribucijskih primjeraka preko više različitih izvan-distribucijskih skupova različite težine.
Abstract (english)
Image classification is an important task of computer vision that achieves state-of-the-art results with various applications, but the discriminative convolutional models used are prone to unjustified optimism, making them unsuitable for wider practical adoption. A novel training method is considered which yields classifiers that more effectively separate predictive distributions of in- and out-of-distribution samples, enabling the construction of better threshold-based out-of-distribution detectors. The robust approach harnesses generative adversarial networks during training to sample the most useful out-of-distribution samples to present to the classifier. Obtained classifiers were evaluated using a standard set of metrics for measuring out-of-distribution detection performance on several unseen datasets of different complexity.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:579798
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 on2020-01-07 17:10:04