prikaz prve stranice dokumenta Procjenjivanje nesigurnosti predikcija diskriminativnih konvolucijskih modela primjenom suparničkog učenja
Rad nije dostupan
diplomski rad
Procjenjivanje nesigurnosti predikcija diskriminativnih konvolucijskih modela primjenom suparničkog učenja
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. urn:nbn:hr:168:224283
Šarić, Josip
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Šarić, J. (2018). Procjenjivanje nesigurnosti predikcija diskriminativnih konvolucijskih modela primjenom suparničkog učenja (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:224283

Šarić, Josip. "Procjenjivanje nesigurnosti predikcija diskriminativnih konvolucijskih modela primjenom suparničkog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. https://urn.nsk.hr/urn:nbn:hr:168:224283

Šarić, Josip. "Procjenjivanje nesigurnosti predikcija diskriminativnih konvolucijskih modela primjenom suparničkog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. https://urn.nsk.hr/urn:nbn:hr:168:224283

Šarić, J. (2018). 'Procjenjivanje nesigurnosti predikcija diskriminativnih konvolucijskih modela primjenom suparničkog učenja', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 22.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:224283

Šarić J. Procjenjivanje nesigurnosti predikcija diskriminativnih konvolucijskih modela primjenom suparničkog učenja [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2018 [pristupljeno 22.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:224283

J. Šarić, "Procjenjivanje nesigurnosti predikcija diskriminativnih konvolucijskih modela primjenom suparničkog učenja", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2018. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:224283

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:224283
Podaci o radu
NaslovProcjenjivanje nesigurnosti predikcija diskriminativnih konvolucijskih modela primjenom suparničkog učenja
Naslov (engleski)Estimating prediction uncertainty of discriminative convolutional models with adversarial learning
AutorJosip Šarić
MentorSiniša Šegvić (mentor)
Član povjerenstvaSiniša Šegvić (predsjednik povjerenstva)
Član povjerenstvaJan Šnajder (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 obrane2018-07-19, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Procjena nesigurnosti predikcija važna je osobina sustava dubokog učenja. U ovome radu dan je pregled postojećih postupaka za procjenu nesigurnosti i predložen je takav postupak zasnovan na suparničkom učenju. Implementiran je model suparničkog učenja kod kojeg je generator model semantičke segmentacije zasnovan na arhitekturi ResNet-50, a diskriminator na svome izlazu daje gustu mapu procjene nesigurnosti predikcija generatora. Pokazan je utjecaj suparničkog gubitka na performanse modela u zadatku semantičke segmentacije. Uspoređene su i evaluirane procjene nesigurnosti funkcijom softmax i kao izlaz diskriminatora u suparničkom učenju.
Sažetak (engleski)
Estimating prediction uncertainty is important component of deep learning systems. In this thesis, an overview of existing methods for uncertainty estimation is given and one based on adversarial learning is proposed. Adversarial learning model is implemented in which generator is semantic segmentation model based on ResNet-50 architecture and discriminators output is uncertainty estimation map at pixel level of generators predictions. An impact of adversarial loss on performances of semantic segmentation model was shown. Uncertainty estimation using softmax function and discriminators output in adversarial learning were compared and evaluated.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:224283
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 pohrane2019-03-14 01:08:44