prikaz prve stranice dokumenta Prepoznavanje i segmentacija objekata u slikama korištenjem dubokog učenja
Rad nije dostupan
diplomski rad
Prepoznavanje i segmentacija objekata u slikama korištenjem dubokog učenja
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. urn:nbn:hr:168:895807
Lulić, Luko
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Lulić, L. (2024). Prepoznavanje i segmentacija objekata u slikama korištenjem dubokog učenja (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:895807

Lulić, Luko. "Prepoznavanje i segmentacija objekata u slikama korištenjem dubokog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:895807

Lulić, Luko. "Prepoznavanje i segmentacija objekata u slikama korištenjem dubokog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:895807

Lulić, L. (2024). 'Prepoznavanje i segmentacija objekata u slikama korištenjem dubokog učenja', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 14.01.2025., https://urn.nsk.hr/urn:nbn:hr:168:895807

Lulić L. Prepoznavanje i segmentacija objekata u slikama korištenjem dubokog učenja [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 14.01.2025.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:895807

L. Lulić, "Prepoznavanje i segmentacija objekata u slikama korištenjem dubokog učenja", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:895807

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:895807
Podaci o radu
NaslovPrepoznavanje i segmentacija objekata u slikama korištenjem dubokog učenja
Naslov (engleski)Recognition and segmentation of objects in images using deep learning
AutorLuko Lulić
MentorDamir Seršić (mentor)
Član povjerenstvaDamir Seršić (predsjednik povjerenstva)
Član povjerenstvaDavor Petrinović (član povjerenstva)
Član povjerenstvaMarko Subašić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2024-09-19, Hrvatska
Sažetak
U suvremenom maloprodajnom sektoru, visoka konkurencija potiču optimizaciju prodaje, pri čemu sadržaj polica igra ključnu ulogu u zadovoljstvu kupaca. Tradicionalne metode popisa proizvoda su radno intenzivne i sklone pogreškama, pa se javlja potreba za automatiziranim rješenjima. Ovaj rad istražuje razvoj sustava računalnog vida za automatsku detekciju proizvoda, koristeći algoritme za usklađivanje značajki na slikama i 3D modele objekata. Uspoređuje se učinkovitost ovih metoda s konvolucijskim neuronskim mrežama, poput YOLO modela, u kontekstu maloprodaje.
Sažetak (engleski)
In the modern retail sector, high competition drives the optimization of sales, where shelf content plays a crucial role in customer satisfaction. Traditional methods of product inventory are labor-intensive and prone to errors, creating a need for automated solutions. This paper explores the development of a computer vision system for automatic product detection, utilizing feature matching algorithms and 3D object models. The effectiveness of these methods is compared with convolutional neural networks, such as the YOLO model, in the retail context.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:895807
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 pohrane2024-11-07 05:40:05