prikaz prve stranice dokumenta Učenje semantičke segmentacije na slikama iz različitih domena
Rad nije dostupan
završni rad
Učenje semantičke segmentacije na slikama iz različitih domena
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. urn:nbn:hr:168:358381
Gudelj, Mato
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Gudelj, M. (2022). Učenje semantičke segmentacije na slikama iz različitih domena (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:358381

Gudelj, Mato. "Učenje semantičke segmentacije na slikama iz različitih domena." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:358381

Gudelj, Mato. "Učenje semantičke segmentacije na slikama iz različitih domena." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:358381

Gudelj, M. (2022). 'Učenje semantičke segmentacije na slikama iz različitih domena', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 02.06.2024., https://urn.nsk.hr/urn:nbn:hr:168:358381

Gudelj M. Učenje semantičke segmentacije na slikama iz različitih domena [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2022 [pristupljeno 02.06.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:358381

M. Gudelj, "Učenje semantičke segmentacije na slikama iz različitih domena", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:358381

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:358381
Podaci o radu
NaslovUčenje semantičke segmentacije na slikama iz različitih domena
Naslov (engleski)Training semantic segmentation on images from different domains
AutorMato Gudelj
MentorSiniša Šegvić (mentor)
Član povjerenstvaSiniša Šegvić (predsjednik povjerenstva)
Član povjerenstvaMatej Grcić (član povjerenstva)
Član povjerenstvaPetra Bevandić (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
Semantička segmentacija na više skupova podataka je izazovan problem zbog mogućnosti preklapanja oznaka. U ovom radu predlažemo metodu za izgradnju univerzalne taksonomije oznaka koja se može primijeniti u kontekstu učenja s više skupova podataka. Taksonomija je konstruirana korištenjem para matrica zabune koje se generiraju treniranjem dva modela segmentacije na dva odvojena skupa podataka i testiranjem svakog na suprotnom skupu podataka. Ova se taksonomija zatim koristi za uspostavljanje redoslijeda između preklapajućih oznaka dvaju skupova podataka. Metodu validiramo na Concat modelu naučenom na skupovima podataka Cityscapes i PASCAL VOC. Predložena metoda nadmašuje osnovu i pokazuje obećavajući pristup za učenje dubokih modela na više skupova podataka.
Sažetak (engleski)
Semantic segmentation on multiple datasets is a challenging problem due to the possibility of overlapping labels. In this thesis, we propose a method to build a universal taxonomy of dataset labels that can be applied in the context of multidataset learning. The taxonomy is constructed using a pair of confusion matrices that are generated by training two segmentation models on two separate datasets and testing each on the opposing dataset. This taxonomy is then used to establish an ordering between overlapping labels of the two datasets. We evaluate our method by augmenting the predictions of a Concat model trained on the Cityscapes and PASCAL VOC datasets. The proposed method slightly outperforms the baseline and shows a promising approach for training on multiple datasets.
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:168:358381
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 10:15:44