prikaz prve stranice dokumenta Evaluacija sintetičkog skupa podataka generiranog korištenjem GAN modela
Access restricted to students and staff of home institution
master's thesis
Evaluacija sintetičkog skupa podataka generiranog korištenjem GAN modela
Split: University of Split, University of Split, Faculty of science, 2022. urn:nbn:hr:166:288948
Prnjak, Antonela
University of Split
Faculty of Science
Department of Informatics

Institutional repository: Repository of Faculty of Science

Cite this document

Prnjak, A. (2022). Evaluacija sintetičkog skupa podataka generiranog korištenjem GAN modela (Master's thesis). Split: University of Split, Faculty of Science. Retrieved from https://urn.nsk.hr/urn:nbn:hr:166:288948

Prnjak, Antonela. "Evaluacija sintetičkog skupa podataka generiranog korištenjem GAN modela." Master's thesis, University of Split, Faculty of Science, 2022. https://urn.nsk.hr/urn:nbn:hr:166:288948

Prnjak, Antonela. "Evaluacija sintetičkog skupa podataka generiranog korištenjem GAN modela." Master's thesis, University of Split, Faculty of Science, 2022. https://urn.nsk.hr/urn:nbn:hr:166:288948

Prnjak, A. (2022). 'Evaluacija sintetičkog skupa podataka generiranog korištenjem GAN modela', Master's thesis, University of Split, Faculty of Science, accessed 04 September 2024, https://urn.nsk.hr/urn:nbn:hr:166:288948

Prnjak A. Evaluacija sintetičkog skupa podataka generiranog korištenjem GAN modela [Master's thesis]. Split: University of Split, Faculty of Science; 2022 [cited 2024 September 04] Available at: https://urn.nsk.hr/urn:nbn:hr:166:288948

A. Prnjak, "Evaluacija sintetičkog skupa podataka generiranog korištenjem GAN modela", Master's thesis, University of Split, Faculty of Science, Split, 2022. Available at: https://urn.nsk.hr/urn:nbn:hr:166:288948

Metadata
TitleEvaluacija sintetičkog skupa podataka generiranog korištenjem GAN modela
Title (english)Evaluation of a synthetic dataset generated using a GAN model
AuthorAntonela Prnjak
MentorGoran Zaharija (mentor)
Committee memberGoran Zaharija (predsjednik povjerenstva)
Committee memberSaša Mladenović (član povjerenstva)
Committee memberDivna Krpan (član povjerenstva)
GranterUniversity of Split
Faculty of Science
(Department of Informatics)
Split
Defense date and country2022-07-15, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Kada je korištenje podataka iz stvarnog svijeta na neki način limitirano, cilj generiranja sintetičkih podataka je ponuditi podatke koji nisu stvarni. Ovaj diplomski rad fokusira se na potencijalnu primjenu generativnih suparničkih mreža u svrhu generiranja slikovnih sintetičkih podataka krhotina u moru. Pristup za generiranje sintetičkih podataka pomoću generativnih suparničkih mreža predložen je, testiran, evaluiran i uspoređen s klasičnom metodom za povećanje slikovnih podataka (kao što je rotacija, okretanje, obrezivanje...). Rezultati ukazuju na potencijal pristupa, kao i na njegove prednosti i nedostatke. Generativne kontradiktorne mreže mogu proizvesti sintetičke podatke koji održavaju statistička svojstva određenog skupa podataka unatoč visokim zahtjevima za računalnim resursima, ali se pokazalo da su previše zavisni o veličini i kvaliteti originalnog skupa podataka.
Abstract (english)
When using real world data is restricted in some way, the goal of synthetic data generation is to offer data that is not real. This thesis focuses on the potential application of Generative Adversarial Networks for the purposes of generating synthetic deep-sea debris image data. An approach for generating synthetic data with Generative Adversarial Networks is proposed, tested, evaluated, and compared with a classical method for image data augmentation (such as rotation, flipping, cropping...). The results indicate the approach's potential as well as its benefits and drawbacks. Generative Adversarial Networks can produce synthetic data that maintains the statistical properties of a given dataset despite their high computing resource requirements, but they have been proven to be overly reliant on the size and quality of the original dataset.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:166:288948
Study programmeTitle: Computer Science; specializations in: major in teaching
Course: major in teaching
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra edukacije informatike (magistar/magistra edukacije informatike)
Type of resourceText
File originBorn digital
Access conditionsAccess restricted to students and staff of home institution
Terms of useLicence In copyright icon
Created on2022-07-18 12:21:01