prikaz prve stranice dokumenta Učenje modela za semantičku segmentaciju na nestandardnim skupovima podataka
No public access
master's thesis
Učenje modela za semantičku segmentaciju na nestandardnim skupovima podataka
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2020. urn:nbn:hr:168:163040
Šego, Ivan
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Šego, I. (2020). Učenje modela za semantičku segmentaciju na nestandardnim skupovima podataka (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:163040

Šego, Ivan. "Učenje modela za semantičku segmentaciju na nestandardnim skupovima podataka." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2020. https://urn.nsk.hr/urn:nbn:hr:168:163040

Šego, Ivan. "Učenje modela za semantičku segmentaciju na nestandardnim skupovima podataka." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2020. https://urn.nsk.hr/urn:nbn:hr:168:163040

Šego, I. (2020). 'Učenje modela za semantičku segmentaciju na nestandardnim skupovima podataka', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 20 May 2024, https://urn.nsk.hr/urn:nbn:hr:168:163040

Šego I. Učenje modela za semantičku segmentaciju na nestandardnim skupovima podataka [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2020 [cited 2024 May 20] Available at: https://urn.nsk.hr/urn:nbn:hr:168:163040

I. Šego, "Učenje modela za semantičku segmentaciju na nestandardnim skupovima podataka", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2020. Available at: https://urn.nsk.hr/urn:nbn:hr:168:163040

Metadata
TitleUčenje modela za semantičku segmentaciju na nestandardnim skupovima podataka
Title (english)Training semantic segmentation models on non-standard datasets
AuthorIvan Šego
MentorSiniša Šegvić (mentor)
Committee memberSiniša Šegvić (predsjednik povjerenstva)
Committee memberZoran Kalafatić (član povjerenstva)
Committee memberTomislav Hrkać (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2020-09-24, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Ovaj diplomski rad započinje uvodom o dubokom učenju i objašnjava zadatak seman- tičke segmentacije na kojoj je rad baziran. U daljnjem poglavlju se opisuju osnovne potrebne komponente dubokih konvolucijskih modela kako bi čitatelj imao potpuno razumijevanje u nastavku teksta. Nadalje, daje se detaljan opis modela s gusto pove- zanim putem za raspoznavanje i ljestvičastim naduzorkovanjem (ljestvičasto povezan gusti model) koji se koristi za kao glavna arhitektura u radu. U idućem poglavlju da- jemo pregled skupova koji se koriste za predtreniranje kodera i treniranje na zadatku semantičke segmentacije. Nakon njega, dolazi najzanimljivije poglavlje gdje opisu- jemo eksperimente i dajemo rezultate. Na kraju, dan je odgovarajući zaključak.
Abstract (english)
Master thesis starts with explaining deep learning and it also explains the purpose of semantic segmentation on which this thesis is based. In the next chapter, main component of deep convolutional model are explained so that reader can fully understand the rest of the thesis. After that, detailed description of Ladder-style DenseNet is given. Ladder-style DenseNet is the model which is used in this thesis. In the next chapter we have given description of the datasets which are used for experiments. After that, the most interesting part of this thesis is written and that is the report of the experiments and results. At the end, convenient conclusion is given.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:163040
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 on2023-01-13 13:54:43