prikaz prve stranice dokumenta Detekcija izvandistribucijskih primjeraka suparničkim učenjem
Rad nije dostupan
diplomski rad
Detekcija izvandistribucijskih primjeraka suparničkim učenjem
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2019. urn:nbn:hr:168:579798
Bušić, Hrvoje
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Bušić, H. (2019). Detekcija izvandistribucijskih primjeraka suparničkim učenjem (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:579798

Bušić, Hrvoje. "Detekcija izvandistribucijskih primjeraka suparničkim učenjem." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2019. https://urn.nsk.hr/urn:nbn:hr:168:579798

Bušić, Hrvoje. "Detekcija izvandistribucijskih primjeraka suparničkim učenjem." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2019. https://urn.nsk.hr/urn:nbn:hr:168:579798

Bušić, H. (2019). 'Detekcija izvandistribucijskih primjeraka suparničkim učenjem', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 22.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:579798

Bušić H. Detekcija izvandistribucijskih primjeraka suparničkim učenjem [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2019 [pristupljeno 22.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:579798

H. Bušić, "Detekcija izvandistribucijskih primjeraka suparničkim učenjem", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2019. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:579798

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:579798
Podaci o radu
NaslovDetekcija izvandistribucijskih primjeraka suparničkim učenjem
Naslov (engleski)Out-of-distribution detection by adversarial learning
AutorHrvoje Bušić
MentorSiniša Šegvić (mentor)
Član povjerenstvaSiniša Šegvić (predsjednik povjerenstva)
Član povjerenstvaZoran Kalafatić (član povjerenstva)
Član povjerenstvaMarko Čupić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2019-07-15, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Klasifikacija slika je važan zadatak računalnog vida koji u različitim primjenama postiže vrhunske rezultate, no korišteni diskriminativni konvolucijski modeli su skloni neopravdanom optimizmu što ih čini nespremnima za šire praktično prihvaćanje. Razmotren je pristup učenju klasifikatora usmjeren ka razdvajanju prediktivnih distribucija unutar- i izvan-distribucijskih primjeraka za lakšu izgradnju detektora izvan-distribucijskih primjeraka zasnovanog na pragu, gdje se generativni suparnički model koristi za uzorkovanje najkorisnijih izvan-distribucijskih primjeraka u fazi učenja. Performanse dobivenih klasifikatora su ispitane uporabom standardiziranog skupa metrika za problem detekcije izvan-distribucijskih primjeraka preko više različitih izvan-distribucijskih skupova različite težine.
Sažetak (engleski)
Image classification is an important task of computer vision that achieves state-of-the-art results with various applications, but the discriminative convolutional models used are prone to unjustified optimism, making them unsuitable for wider practical adoption. A novel training method is considered which yields classifiers that more effectively separate predictive distributions of in- and out-of-distribution samples, enabling the construction of better threshold-based out-of-distribution detectors. The robust approach harnesses generative adversarial networks during training to sample the most useful out-of-distribution samples to present to the classifier. Obtained classifiers were evaluated using a standard set of metrics for measuring out-of-distribution detection performance on several unseen datasets of different complexity.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:579798
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 pohrane2020-01-07 17:10:04