prikaz prve stranice dokumenta Automatska anotacija skupa podataka semantičke segmentacije metodama polu nadziranog učenja
Rad nije dostupan
diplomski rad
Automatska anotacija skupa podataka semantičke segmentacije metodama polu nadziranog učenja
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. urn:nbn:hr:168:433798
Slaviček, Petar
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Slaviček, P. (2023). Automatska anotacija skupa podataka semantičke segmentacije metodama polu nadziranog učenja (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:433798

Slaviček, Petar. "Automatska anotacija skupa podataka semantičke segmentacije metodama polu nadziranog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:433798

Slaviček, Petar. "Automatska anotacija skupa podataka semantičke segmentacije metodama polu nadziranog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:433798

Slaviček, P. (2023). 'Automatska anotacija skupa podataka semantičke segmentacije metodama polu nadziranog učenja', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 22.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:433798

Slaviček P. Automatska anotacija skupa podataka semantičke segmentacije metodama polu nadziranog učenja [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2023 [pristupljeno 22.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:433798

P. Slaviček, "Automatska anotacija skupa podataka semantičke segmentacije metodama polu nadziranog učenja", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:433798

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:433798
Podaci o radu
NaslovAutomatska anotacija skupa podataka semantičke segmentacije metodama polu nadziranog učenja
Naslov (engleski)Automatic annotation of data set for semantic segmentation using semi-supervised learning methods
AutorPetar Slaviček
MentorZdenko Kovačić (mentor)
Član povjerenstvaZdenko Kovačić (član povjerenstva)
Član povjerenstvaGoran Vasiljević (član povjerenstva)
Član povjerenstvaDean Martinović (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2023-06-29, Hrvatska
Sažetak
U ovom radu istražuje se problem semantičke segmentacije trsa u vinogradima s ciljem generiranja skupa podataka uz minimalno ljudsko anotiranje. Korištenjem VineSet skupa podataka, istrenirana je YOLOv5 detekcija trsa, koja se zatim iskoristila za generiranje skupa podataka rezanjem trsova iz slika. Izrezani trsovi su potom semantički segmentirani pomoću metode polunadziranog učenja SSL_ELN. Na generiranom skupu podataka provedena je evaluacija s nizom modela semantičke segmentacije i enkodera kako bi se odredio najprikladniji model za primjenu na mobilnom robotu u vinogradima. Rezultati pokazuju da je PSP model sa mobilenet_v2 enkoderom najbolji kompromis između točnosti i brzine predikcije te se čini najpogodniji za uporabu u ovoj specifičnoj primjeni.
Sažetak (engleski)
In this work, we investigate the problem of semantic segmentation of grapevines in vineyards with the aim of generating a dataset with minimal human annotation. Using the VineSet dataset, YOLOv5 vine detection was trained, which was then used to generate a dataset by cropping vines from images. The cropped vines were then semantically segmented using the SSL_ELN semi-supervised learning method. Evaluation was conducted on the generated dataset with a series of semantic segmentation models and encoders to determine the most suitable model for application on a mobile robot in vineyards. The results show that the PSP model with the mobilenet_v2 encoder is the best compromise between accuracy and prediction speed, making it the most suitable for use in this specific application.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:433798
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 10:27:33