prikaz prve stranice dokumenta Generiranje opisa slika temeljeno na dubokom učenju
Rad nije dostupan
diplomski rad
Generiranje opisa slika temeljeno na dubokom učenju
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. urn:nbn:hr:168:037527
Weisser, Filip
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Weisser, F. (2024). Generiranje opisa slika temeljeno na dubokom učenju (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:037527

Weisser, Filip. "Generiranje opisa slika temeljeno na dubokom učenju." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:037527

Weisser, Filip. "Generiranje opisa slika temeljeno na dubokom učenju." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:037527

Weisser, F. (2024). 'Generiranje opisa slika temeljeno na dubokom učenju', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:037527

Weisser F. Generiranje opisa slika temeljeno na dubokom učenju [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 26.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:037527

F. Weisser, "Generiranje opisa slika temeljeno na dubokom učenju", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:037527

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:037527
Podaci o radu
NaslovGeneriranje opisa slika temeljeno na dubokom učenju
Naslov (engleski)Deep learning based image description generation
AutorFilip Weisser
MentorZoran Kalafatić (mentor)
Član povjerenstvaZoran Kalafatić (predsjednik povjerenstva)
Član povjerenstvaSiniša Šegvić (član povjerenstva)
Član povjerenstvaDejan Škvorc (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2024-07-09, Hrvatska
Sažetak
Moderne metode računalnog vida temeljene na dubokom učenju značajno su unaprijedile područja klasifikacije slika, detekcije objekata i segmentacije. Ovi napreci zajedno sa modelima za strojno prevođenje omogućuju razvoj sustava koji mogu automatski generirati tekstualne opise slika. U okviru ovog diplomskog rada, istraženi su, implementirani i uspoređeni takvi modeli. Modeli se temelje na kombinaciji konvolucijskih neuronskih mreža za ekstrakciju vizualnih značajki sa slika i rekurentnih neuronskih mreža ili transformer mreža za generiranje teksta. Za potrebe treniranja i testiranja sustava, korišten je Flickr8k skup podataka koji uključuje slike i pripadajuće tekstualne opise. Analiza ponašanja implementiranog sustava pokazala je da sustav može generirati relevantne i koherentne opise za širok spektar slika. Rezultati su evaluirani korištenjem standardnih metričkih sustava za generiranje teksta, uključujući BLEU, ROUGE i CIDEr. Evaluacija je pokazala da implementirani sustav postiže zadovoljavajuće rezultate u usporedbi s postojećim rješenjima.
Sažetak (engleski)
Modern computer vision methods based on deep learning have significantly advanced the fields of image classification, object detection, and segmentation. These advancements, combined with machine translation models, enable the development of systems that can automatically generate textual descriptions of images. This thesis explores, implements, and compares such models. The models are based on a combination of convolutional neural networks for extracting visual features from images and either recurrent neural networks or transformer networks for generating text. Flickr8k dataset, which includes images and their corresponding textual descriptions, was used for training and testing the system. The analysis of the implemented system's behavior demonstrated that the system can generate relevant and coherent descriptions for a wide range of images. The results were evaluated using standard text generation metrics, including BLEU, ROUGE, and CIDEr. The evaluation showed that the implemented system achieves satisfactory results compared to existing solutions.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:037527
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 22:30:45