prikaz prve stranice dokumenta Klasifikacija slika dubokim konvolucijskim modelima s rezidualnim vezama
Rad nije dostupan
završni rad
Klasifikacija slika dubokim konvolucijskim modelima s rezidualnim vezama
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. urn:nbn:hr:168:906142
Borac, Antonio
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Borac, A. (2018). Klasifikacija slika dubokim konvolucijskim modelima s rezidualnim vezama (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:906142

Borac, Antonio. "Klasifikacija slika dubokim konvolucijskim modelima s rezidualnim vezama." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. https://urn.nsk.hr/urn:nbn:hr:168:906142

Borac, Antonio. "Klasifikacija slika dubokim konvolucijskim modelima s rezidualnim vezama." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. https://urn.nsk.hr/urn:nbn:hr:168:906142

Borac, A. (2018). 'Klasifikacija slika dubokim konvolucijskim modelima s rezidualnim vezama', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 25.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:906142

Borac A. Klasifikacija slika dubokim konvolucijskim modelima s rezidualnim vezama [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2018 [pristupljeno 25.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:906142

A. Borac, "Klasifikacija slika dubokim konvolucijskim modelima s rezidualnim vezama", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2018. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:906142

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:906142
Podaci o radu
NaslovKlasifikacija slika dubokim konvolucijskim modelima s rezidualnim vezama
Naslov (engleski)Image Classification With Deep Convolutional Models With Residual Connections
AutorAntonio Borac
MentorSiniša Šegvić (mentor)
Član povjerenstvaSiniša Šegvić (predsjednik povjerenstva)
Član povjerenstvaMarin Oršić (član povjerenstva)
Član povjerenstvaIvan Krešo (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2018-07-13, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Klasifikacija slika prirodnih scena je neriješen problem računalnog vida s mnogim zanimljivim primjenama. U posljednje vrijeme najbolji rezultati u tom području postižu se pristupima utemeljenima na dubokim konvolucijskim modelima. Za ovaj rad posebno su zanimljivi nadzirani pristupi gdje je svaka slika skupa za učenje označena semantičkim razredima objekata koje slika sadrži. U okviru rada, bilo je potrebno proučiti dokumentacije programskih okvira Tensorflow i PyTorch te biblioteke programskog jezika Python za rukovanje matricama i slikama. Izrađena je izvedba programskog sustava za učenje i primjenu klasifikacijskog modela. Evaluiran je utjecaj rezidualnih veza na točnost modela. Detaljno su analizirane konvolucijske mreže u okviru dubokog učenja. Prikazani su i ocijenjeni ostvareni rezultati i predložene izmjene za poboljšanje rezultata.
Sažetak (engleski)
Image classification of natural scenes is an unsolved problem of computer vision with many interesting applications. Recently, approaches with deep convolutional models achieve best results in that area. For this paper were specially interesting supervised approaches where every image from training set is labeled with semantic classes of objects which image contains. In this paper documentations of programming frameworks Tensorflow and PyTorch for matrix and image handling were studied. Implementation of programming system for learning and application of classification model have been done. Implact of residual connections on model accuracy have been evaluated. Convolutional networks were deeply analized in context of deep learning. Achieved results have been shown and evaluated and suggestions for classification accuracy improvment have been provided.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:906142
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.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 19:11:41