prikaz prve stranice dokumenta Duboki modeli za semantičku segmentaciju i detekciju anomalija
Rad nije dostupan
završni rad
Duboki modeli za semantičku segmentaciju i detekciju anomalija
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. urn:nbn:hr:168:202303
Čengić, Marko
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Čengić, M. (2023). Duboki modeli za semantičku segmentaciju i detekciju anomalija (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:202303

Čengić, Marko. "Duboki modeli za semantičku segmentaciju i detekciju anomalija." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:202303

Čengić, Marko. "Duboki modeli za semantičku segmentaciju i detekciju anomalija." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:202303

Čengić, M. (2023). 'Duboki modeli za semantičku segmentaciju i detekciju anomalija', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 22.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:202303

Čengić M. Duboki modeli za semantičku segmentaciju i detekciju anomalija [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2023 [pristupljeno 22.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:202303

M. Čengić, "Duboki modeli za semantičku segmentaciju i detekciju anomalija", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:202303

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:202303
Podaci o radu
NaslovDuboki modeli za semantičku segmentaciju i detekciju anomalija
Naslov (engleski)Deep models for semantic segmentation and anomaly detection
AutorMarko Čengić
MentorSiniša Šegvić (mentor)
Član povjerenstvaSiniša Šegvić (predsjednik povjerenstva)
Član povjerenstvaMarin Kačan (član povjerenstva)
Član povjerenstvaIvan Grubišić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2023-07-06, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
U ovom radu primijenjene su metode dubokog učenja za segmentaciju anomalija. Specifično je korišten model arhitekture Swiftnet sa s ljestvičastim naduzorkovanjem. Nadodane su na njega tri metode detekcije anomalija: maksimalni softmax, maksimalni logit i entropija Takav je model onda korišten za detekciju anomalija na cesti.
Sažetak (engleski)
In this work, deep learning methods were applied for anomaly segmentation. The Swiftnet architecture model with ladder oversampling was specifically used. Three anomaly detection methods were added to it: max-softmax, max-logit and entropy. Such a model was then used to detect anomalies on the road.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:202303
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 pohrane2023-07-13 09:59:47