prikaz prve stranice dokumenta Modeliranje supojavljivanja semantičkih oznaka uvjetnim slučajnim poljima
No public access
master's thesis
Modeliranje supojavljivanja semantičkih oznaka uvjetnim slučajnim poljima
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2016. urn:nbn:hr:168:807857
Čaušević, Denis
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Čaušević, D. (2016). Modeliranje supojavljivanja semantičkih oznaka uvjetnim slučajnim poljima (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:807857

Čaušević, Denis. "Modeliranje supojavljivanja semantičkih oznaka uvjetnim slučajnim poljima." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2016. https://urn.nsk.hr/urn:nbn:hr:168:807857

Čaušević, Denis. "Modeliranje supojavljivanja semantičkih oznaka uvjetnim slučajnim poljima." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2016. https://urn.nsk.hr/urn:nbn:hr:168:807857

Čaušević, D. (2016). 'Modeliranje supojavljivanja semantičkih oznaka uvjetnim slučajnim poljima', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 25 August 2024, https://urn.nsk.hr/urn:nbn:hr:168:807857

Čaušević D. Modeliranje supojavljivanja semantičkih oznaka uvjetnim slučajnim poljima [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2016 [cited 2024 August 25] Available at: https://urn.nsk.hr/urn:nbn:hr:168:807857

D. Čaušević, "Modeliranje supojavljivanja semantičkih oznaka uvjetnim slučajnim poljima", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2016. Available at: https://urn.nsk.hr/urn:nbn:hr:168:807857

Metadata
TitleModeliranje supojavljivanja semantičkih oznaka uvjetnim slučajnim poljima
Title (english)Modelling the Co-Occurrence of Semantic Labels with Conditional Random Fields
AuthorDenis Čaušević
MentorSiniša Šegvić (mentor)
Committee memberSiniša Šegvić (predsjednik povjerenstva)
Committee memberZoran Kalafatić (član povjerenstva)
Committee memberSlobodan Ribarić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2016-07-13, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Uvjetna slučajna polja su diskriminativni probabilistički grafički model strojnog učenja s mnogim primjenama u klasifikaciji strukturiranih podataka. U ovom radu primjenjuju se za rješavanje problema semantičke segmentacije. Ostvarivanje zadovoljavajućih performansi kod semantičke segmentacije zahtijeva modeliranje supojavljivanja semantičkih oznaka. Implementirani sustav modelira spomenute relacije pomoću dva uvjetna slučajna polja. Prvo polje koristi binarne potencijale naučene od strane konvolucijske neuronske mreže za modeliranje dvije vrste susjedstava – „okruženje“ i „iznad/ispod“. Drugo polje je gusto povezano, te koristi Gaussove binarne potencijale definirane nad vektorom boja i pozicijama piksela, kako bi poboljšalo segmentacijski rezultat prethodnog uvjetnog slučajnog polja. Implementirani model evaluiran je na standardnim skupovima u području razumijevanja urbanih prometnih scena (Cityscapes i KITTI).
Abstract (english)
Conditional random fields are probabilistic discriminative graphical machine learning models with a wide variety of applications for structured prediction. The focus of this paper is their usage for semantic segmentation. Achieving satisfiable semantic segmentation performance requires semantic label co-occurrence modelling. The implemented system models such relations with two conditional random fields. The first one uses binary potentials learned by a convolutional neural network for modelling two types of relations – “surrounding” and “above/below”. The second field is a dense conditional random field with Gaussian binary potentials defined on pixel positions and color vectors. It is used for post-processing the segmentation result of the previous random field. The implemented model is evaluated on publicly available datasets for urban traffic scene understanding (Cityscapes and KITTI).
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:807857
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 08:16:31