prikaz prve stranice dokumenta Segmentacija dijelova ljudskog tijela
No public access
undergraduate thesis
Segmentacija dijelova ljudskog tijela
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2019. urn:nbn:hr:168:383387
Kalenski, Tea
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Kalenski, T. (2019). Segmentacija dijelova ljudskog tijela (Undergraduate thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:383387

Kalenski, Tea. "Segmentacija dijelova ljudskog tijela." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2019. https://urn.nsk.hr/urn:nbn:hr:168:383387

Kalenski, Tea. "Segmentacija dijelova ljudskog tijela." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2019. https://urn.nsk.hr/urn:nbn:hr:168:383387

Kalenski, T. (2019). 'Segmentacija dijelova ljudskog tijela', Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 23 June 2024, https://urn.nsk.hr/urn:nbn:hr:168:383387

Kalenski T. Segmentacija dijelova ljudskog tijela [Undergraduate thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2019 [cited 2024 June 23] Available at: https://urn.nsk.hr/urn:nbn:hr:168:383387

T. Kalenski, "Segmentacija dijelova ljudskog tijela", Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2019. Available at: https://urn.nsk.hr/urn:nbn:hr:168:383387

Metadata
TitleSegmentacija dijelova ljudskog tijela
Title (english)Human Body Segmentation
AuthorTea Kalenski
MentorTomislav Pribanić (mentor)
Committee memberTomislav Pribanić (predsjednik povjerenstva)
Committee memberKristijan Bartol (član povjerenstva)
Committee memberDavid Bojanić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2019-09-10, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Kako bi se lakše razumio problem pa tako i njegovo rješavanje navedene su osnovne razlike između raznih problema računalnog vida kako bismo naglasili složenost i položaj problema klasifikacije i lokalizacije segmentacije. Prikazujemo problem semantičke segmentacije kako bi čitatelj razumio što pokušavamo postići i dobiti iz danih informacija, kako iz običnih slika dobiti vjerojatnosti pripadnosti svakog piksela po jednoj klasi te kako prilagoditi naše podatke kategorizacijom za takve mreže. Analizom konvolucijskih mreža i njihovih operacija dolazimo do konačnog modela kojeg treniramo korištenjem objašnjene funkcije pogreške i evaluiramo korištenjem raznih metrika kao što su IoU i kategorička točnost te demonstriramo još jasniji prikaz rezultata pomoću konfuzijske matrice. Kroz svaki korak je pokazano korištenje biblioteke Keras i javnih python biblioteka za lako praćenje izvedbe. Pokazani su uspješni rezultati i ostavljeno je mjesta za napredak i dublje ulaženje u ovu temu koja u ovom radu čini dobar početak za ulazak u polje računalnog vida računalne znanosti.
Abstract (english)
In order to understand the issue at hand and therefor make it easier to solve we first discus differences and similarities within different computer vision problems so we can make it easier to place the complexity of our semantic segmentation problem that covers classification and localization within this field. We proceed to properly show and visualize our problem so we can understand what exactly are we trying to achieve with given information, how do we get the model to output probabilities for each class for every pixel on our image, and how do we make our data compatible for those nets with categorical shape. By analyzing different convolutional nets, we choose a single architecture that fits our needs and proceed to train it with explained loss function and then evaluate it with different metrics like IoU and categorical accuracy. A simple demonstration of Confusion matrix is also shown so the results are perfectly clear. On every step of the way a Keras and python methods usage is shown so it is easier to follow along. Results are shown with room left to improve and explore. This paper makes a good start for all those interested in the field of computer vision.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:383387
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 on2020-01-07 18:56:50