prikaz prve stranice dokumenta Kvantiziranje dubokih konvolucijskih modela
Rad nije dostupan
završni rad
Kvantiziranje dubokih konvolucijskih modela
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. urn:nbn:hr:168:953732
Ćosić, Tomislav
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Ćosić, T. (2022). Kvantiziranje dubokih konvolucijskih modela (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:953732

Ćosić, Tomislav. "Kvantiziranje dubokih konvolucijskih modela." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:953732

Ćosić, Tomislav. "Kvantiziranje dubokih konvolucijskih modela." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:953732

Ćosić, T. (2022). 'Kvantiziranje dubokih konvolucijskih modela', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 25.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:953732

Ćosić T. Kvantiziranje dubokih konvolucijskih modela [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2022 [pristupljeno 25.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:953732

T. Ćosić, "Kvantiziranje dubokih konvolucijskih modela", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:953732

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:953732
Podaci o radu
NaslovKvantiziranje dubokih konvolucijskih modela
Naslov (engleski)Quantization of deep convolutional models
AutorTomislav Ćosić
MentorSiniša Šegvić (mentor)
Član povjerenstvaSiniša Šegvić (predsjednik povjerenstva)
Član povjerenstvaIvan Grubišić (član povjerenstva)
Član povjerenstvaJosip Šarić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2022-07-06, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Duboki konvolucijski modeli danas su metoda izbora za mnoge zadatke računalnog vida. Međutim, njihova računska složenost isključuje mnoge zanimljive primjene u robotici i inteligentnom prometu. Taj problem možemo ublažiti zamjenom decimalnih računskih operacija odgovarajućim cjelobrojnim operacijama. U okviru rada, potrebno je upoznati se s konvolucijskim modelom ResNet-18. Istražiti postojeće pristupe za kvantiziranje težina dubokih modela. Odabrati slobodno dostupni skup slika te oblikovati podskupove za učenje, validaciju i testiranje. Oblikovati algoritme, validirati hiperparametre te uhodati učenje, validiranje i zaključivanje. Modificirati postupak učenja tako da na izlazu dobijemo kvantizirani model. Vrednovati naučene modele, prikazati postignutu točnost te provesti usporedbu s rezultatima iz literature. Komentirati učinkovitost učenja i zaključivanja. Predložiti pravce budućeg razvoja. Radu priložiti izvorni kod razvijenih postupaka uz potrebna objašnjenja i dokumentaciju. Citirati korištenu literaturu i navesti dobivenu pomoć.
Sažetak (engleski)
Today, deep convolutional models are the method of choice for many tasks in computer vision. However, their computational complexity prevents many interesting applications in robotics and intelligent traffic. We can alleviate that problem by replacing floating-point operations with their corresponding integer counterparts. In the cope of this paper, it is necessary to introduce ourselves with the ResNet-18 convolutional model. Research existing approaches towards quantization of the weights in convolutional models. Select freely available dataset and form subsets for learning, validation and testing. Model the algorithm, validate hyperparameters and set up learning, validation and testing. Modify the learning procedure to get the quantized model as an output. Evaluate learned models, display acquired accuracy and compare the values with literature results. Comment on the efficiency of the learning and inference process. Suggest the directions of futher research. Attach the source code of developed procedure along with necessary explanations and documentation. Cite used literature and state received help.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:953732
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-15 09:57:05