prikaz prve stranice dokumenta Nenadzirano učenje procjene dubine jednookim vidom
Rad nije dostupan
diplomski rad
Nenadzirano učenje procjene dubine jednookim vidom
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2019. urn:nbn:hr:168:512297
Bartol, Kristijan
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Bartol, K. (2019). Nenadzirano učenje procjene dubine jednookim vidom (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:512297

Bartol, Kristijan. "Nenadzirano učenje procjene dubine jednookim vidom." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2019. https://urn.nsk.hr/urn:nbn:hr:168:512297

Bartol, Kristijan. "Nenadzirano učenje procjene dubine jednookim vidom." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2019. https://urn.nsk.hr/urn:nbn:hr:168:512297

Bartol, K. (2019). 'Nenadzirano učenje procjene dubine jednookim vidom', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 25.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:512297

Bartol K. Nenadzirano učenje procjene dubine jednookim vidom [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2019 [pristupljeno 25.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:512297

K. Bartol, "Nenadzirano učenje procjene dubine jednookim vidom", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2019. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:512297

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:512297
Podaci o radu
NaslovNenadzirano učenje procjene dubine jednookim vidom
Naslov (engleski)Unsupervised learning of depth estimation with monocular vision
AutorKristijan Bartol
MentorSiniša Šegvić (mentor)
Član povjerenstvaSiniša Šegvić (predsjednik povjerenstva)
Član povjerenstvaZoran Kalafatić (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 obrane2019-03-01, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Rekonstrukcija strukture prirodnih scena vrlo je važan sastojak mnogih praktičnih primjena računalnog vida. Posebno su zanimljivi pristupi koji učenje provode na slijedu slika jedne kamere jer ne zahtijevaju komplicirane sustave za pribavljanje i označavanje podataka za učenje. U posljednje vrijeme, veliki uspjeh u tom području ostvaruju metodu temeljene na dubokim konvolucijskim modelima. U okviru rada, proučen je model nenadziranog učenja procjene geometrijskih značajki iz monokularnog niza slika. Opisana je implementacija dubokog modela i prikazani su rezultati dubinskih mapa dobivenih treniranim modelom.
Sažetak (engleski)
Natural scene reconstruction is a very important ingredient for a lot of practical application in computer vision. Learning from sequence of monocular images is particularly interesting as they don't demand complicated systems for fetching and labeling the dataset. Recently, a grand success is achieved using methods based on deep convolutional networks. Unsupervised model for learning scene geometry from monocular image sequence is analyzed in this work. The implementaion of deep model is described and the depth maps, generated using the model, are shown.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:512297
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 pohrane2019-03-13 18:53:23