prikaz prve stranice dokumenta Semantička segmentacija slika korištenjem dubokih modela
Rad nije dostupan
diplomski rad
Semantička segmentacija slika korištenjem dubokih modela
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. urn:nbn:hr:168:882144
Ćosić-Dragan, Karla
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Ćosić Dragan, K. (2024). Semantička segmentacija slika korištenjem dubokih modela (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:882144

Ćosić Dragan, Karla. "Semantička segmentacija slika korištenjem dubokih modela." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:882144

Ćosić Dragan, Karla. "Semantička segmentacija slika korištenjem dubokih modela." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:882144

Ćosić Dragan, K. (2024). 'Semantička segmentacija slika korištenjem dubokih modela', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 25.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:882144

Ćosić Dragan K. Semantička segmentacija slika korištenjem dubokih modela [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 25.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:882144

K. Ćosić Dragan, "Semantička segmentacija slika korištenjem dubokih modela", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:882144

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:882144
Podaci o radu
NaslovSemantička segmentacija slika korištenjem dubokih modela
Naslov (engleski)Semantic image segmentation using deep models
AutorKarla Ćosić-Dragan
MentorZoran Kalafatić (mentor)
Član povjerenstvaZoran Kalafatić (predsjednik povjerenstva)
Član povjerenstvaTomislav Hrkać (član povjerenstva)
Član povjerenstvaVladimir Čeperić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2024-02-26, Hrvatska
Sažetak
Semantička segmentacija u kontekstu računalnog vida provodi dodjeljivanje klase objekta svakom pikselu slike u ovisnosti kojem objektu taj piksel pripada. Za taj se zadatak većinom koriste koder-dekoder arhitekture koje kao okosnicu obično koriste neke od standardnih arhitektura dubokog učenja. U ovom je radu predstavljen pregled nekih od standardnih arhitektura dubokog učenja, zatim pregled koder-dekoder arhitektura i metrika korištenih za semantičku segmentaciju. Za eksperimente je odabrana SwiftNet arhitektura uz programski okvir Pytorch Lightning i skupovi podataka Cityscapes i ACDC. Postignuti su očekivani rezultati i provedene su predikcije na validacijskim skupovima
Sažetak (engleski)
Semantic segmentation in the context of computer vision assigns an object class to each pixel on the image depending on which object that pixel belongs to. The encoder-decoder architectures are mostly used for this task along with some of the standard deep learning architectures used as a backbone. This master thesis presents an overview of some standard deep architectures, followed by an overview of encoder-decoder architectures and metrics used for semantic segmentation. SwiftNet architecture with Pytorch Lightning framework were used for the experiments along with Cityscapes and ACDC datasets. Expected results were achieved and predictions were made on validation sets.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:882144
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 pohrane2024-03-28 07:45:06