prikaz prve stranice dokumenta Pronalaženje anomalija difuzijskim uklanjanjem šuma
Rad nije dostupan
diplomski rad
Pronalaženje anomalija difuzijskim uklanjanjem šuma
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. urn:nbn:hr:168:564422
Srzić, Josip
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Srzić, J. (2024). Pronalaženje anomalija difuzijskim uklanjanjem šuma (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:564422

Srzić, Josip. "Pronalaženje anomalija difuzijskim uklanjanjem šuma." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:564422

Srzić, Josip. "Pronalaženje anomalija difuzijskim uklanjanjem šuma." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:564422

Srzić, J. (2024). 'Pronalaženje anomalija difuzijskim uklanjanjem šuma', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 25.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:564422

Srzić J. Pronalaženje anomalija difuzijskim uklanjanjem šuma [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 25.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:564422

J. Srzić, "Pronalaženje anomalija difuzijskim uklanjanjem šuma", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:564422

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:564422
Podaci o radu
NaslovPronalaženje anomalija difuzijskim uklanjanjem šuma
Naslov (engleski)Anomaly detection with denoising diffusion
AutorJosip Srzić
MentorSiniša Šegvić (mentor)
Član povjerenstvaSiniša Šegvić (predsjednik povjerenstva)
Član povjerenstvaAlan Jović (član povjerenstva)
Član povjerenstvaTomislav Hrkać (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2024-07-11, Hrvatska
Sažetak
Varijacijski difuzijski modeli iskazuju impresivne performanse na zadatku detekcije anomalija. Njihova glavna mana je računalna složenost, zbog prolaska krozi dugi unatražni Markovljev proces. Procjena difuzijskog vremena (DTE) varijanta je difuzijskih modela koja ih nadmašuje u zadatku detekcije anomalija uz značajno manji broj potrebnih računalnih operacija. U ovom radu učimo model difuzijske procjene vremena na segmentima skeletona koji opisuju poze osoba u videozapisima, s ciljem pronalaženja anomalnih radnji. U osnovnom eksperimentu pokazujemo da difuzijska procjena vremena primijenjena izravno na skeletone daje kompetitivne rezultate. Zatim, segment skeletona promatramo kao prostorno-vremenski graf te u model za procjenu difuzijskog vremena ubacujemo slojeve konvolucije nad grafovima. Evaluiramo predloženu arhitekturu na skupovima UBnormal i ShanghaiTech. Naši rezultati postižu kompetitivne rezultate na skupu ShanghaiTech te nadmašuju stanje tehnike na skupu UBnormal za 4 postotna boda. Provodimo diskusiju rezultata i predlažemo pravce za budući rad.
Sažetak (engleski)
Variational diffusion models show impressive performance on the anomaly detection task. Their main drawback is computational complexity, due to the long traversal of the backward Markov process. Diffusion Time Estimation (DTE) is a variant of diffusion models that outperforms them in the task of anomaly detection with a significantly lower number of parameters and computational power needed. In this paper, we train a diffusion time estimation model on skeleton segments describing the poses of people in videos, with the goal of detecting anomalous actions. For our baseline experiment, we show that diffusion time estimation applied directly to skeletons gives competitive results. Next, we interpret skeleton segments as spatio-temporal graphs and introduce graph convolutional layers into the diffusion time estimation model. We evaluate the proposed architecture on the UBnormal and ShanghaiTech sets. Our results achieve competitive results on ShanghaiTech and significantly surpass the state of the art on UBnormal. We perform a discussion of the results and suggest directions for future work.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:564422
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 pohrane2024-10-12 22:09:27