prikaz prve stranice dokumenta Automatizirano ispravljanje slika iz dronova temeljeno na dubokom učenju
Rad nije dostupan
diplomski rad
Automatizirano ispravljanje slika iz dronova temeljeno na dubokom učenju
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. urn:nbn:hr:168:043951
Horvat, Bruno
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Horvat, B. (2023). Automatizirano ispravljanje slika iz dronova temeljeno na dubokom učenju (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:043951

Horvat, Bruno. "Automatizirano ispravljanje slika iz dronova temeljeno na dubokom učenju." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:043951

Horvat, Bruno. "Automatizirano ispravljanje slika iz dronova temeljeno na dubokom učenju." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:043951

Horvat, B. (2023). 'Automatizirano ispravljanje slika iz dronova temeljeno na dubokom učenju', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 20.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:043951

Horvat B. Automatizirano ispravljanje slika iz dronova temeljeno na dubokom učenju [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2023 [pristupljeno 20.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:043951

B. Horvat, "Automatizirano ispravljanje slika iz dronova temeljeno na dubokom učenju", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:043951

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:043951
Podaci o radu
NaslovAutomatizirano ispravljanje slika iz dronova temeljeno na dubokom učenju
Naslov (engleski)Deep Learning for Automatized Correction of Images Taken from Drones
AutorBruno Horvat
MentorVladimir Čeperić (mentor)
Član povjerenstvaVladimir Čeperić (predsjednik povjerenstva)
Član povjerenstvaZoran Kalafatić (član povjerenstva)
Član povjerenstvaTvrtko Mandić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2023-07-13, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Ovim radom isprobane su razne metode učenja rekonstruiranja slike pomoću neuronske mreže. Najprije je dana teorijska podloga raznih vrsta modela te je opisano kako rade i koje su njihove prednosti. Opisane metode su služile kao kratak uvod u područje dubokog učenja. Bez prevelikog ulaženja u detalje, opisane su one metode koje će u ovom radu biti i korištene. Za treniranje neuronske mreže je potreban skup podataka koji je raznim augmentacijama pokušao simulirati nepovoljne vremenske uvjete. Problem čišćenja slika je prikazan kroz analitičko razmišljanje te je napravljena usporedba modela i njihovih rezultata. Svaki model sastoji se od enkoderske i dekoderske mreže koje zajedničkim snagama pokušavaju rekonstruirati sliku iz drona. Modeli dubokog učenja naučeni su najviše što su mogli biti s obzirom na hardverske resurse.
Sažetak (engleski)
The topic of the following paper is testing various methods of image reconstruction using a neural network. Firstly, a theoretical background of different types of models is provided, describing how they work and what are their advantages. The described methods served as a brief introduction to the field of deep learning. Without going into too much details, only the methods that are used in this work were described. To train the neural network, a dataset was required, which was subjected to various augmentations in order to simulate weather conditions. The problem of image denoising has been shown through analytical thinking, and a comparison of models and their results was conducted. Each model consists of an encoder and a decoder network, which work together to reconstruct images captured by a drone. The deep learning models were trained to the best of their ability given the available hardware resources.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:043951
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-10-11 09:02:20