prikaz prve stranice dokumenta Segmentacija objekata
Rad nije dostupan
diplomski rad
Segmentacija objekata
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2019. urn:nbn:hr:168:466123
Pranjić, Marko
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Pranjić, M. (2019). Segmentacija objekata (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:466123

Pranjić, Marko. "Segmentacija objekata." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2019. https://urn.nsk.hr/urn:nbn:hr:168:466123

Pranjić, Marko. "Segmentacija objekata." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2019. https://urn.nsk.hr/urn:nbn:hr:168:466123

Pranjić, M. (2019). 'Segmentacija objekata', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:466123

Pranjić M. Segmentacija objekata [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2019 [pristupljeno 26.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:466123

M. Pranjić, "Segmentacija objekata", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2019. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:466123

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:466123
Podaci o radu
NaslovSegmentacija objekata
Naslov (engleski)Object Segmentation
AutorMarko Pranjić
MentorTomislav Pribanić (mentor)
Član povjerenstvaTomislav Pribanić (predsjednik povjerenstva)
Član povjerenstvaMarko Subašić (član povjerenstva)
Član povjerenstvaHrvoje Džapo (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2019-07-16, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
U radu se primjenjuje metoda dubokog učenja za problem segmentacije ljudskog tijela. Nakon teorijskog uvoda u segmentaciju objekata opisana je metoda rješavanja problema. Korišten je skup podataka Freiburg Sitting People Dataset i arhitektura mreže temeljena na TernausNet-16 modelu te kombinacija unakrsne entropije i Dice koeficijenta za funkciju gubitka. Poslije opisa navedene metode prikazani su rezultati provedenog eksperimenta u kojem je dosegnut mIOU od 51.15%, ali i otkriven problem prenaučenosti na boju obuće. Takod̄er su razmotreni eksperimenti koji su prethodili odabranoj metodi koji navode na korištenje predtrenirane mreže za koder segmentacijske mreže. Kao zaključak predlaže se korištenje regularizacije i korištenje većeg skupa podataka uz bolju raspodjelu primjera po skupovima za učenje, validaciju i evaluaciju.
Sažetak (engleski)
In this thesis deep learning is used for solving the problem of human body part segmentation. After a theoretical introduction to object segmentation, a description of the used method is given. The chosen dataset which is used is Freiburg Sitting People Dataset, the network architecture is based on the TernausNet-16 model, and the loss function is a combination of categorical cross-entropy and Dice coefficient. The next section shows the result of the experiment in which the mIOU score of 51.15% was achieved, and the problem of overfitting on shoe color became apparent. Experiments that led to choosing a pre-trained network for the encoder of the segmentation network are also discussed. As a conclusion, it is recommended to use regularization and a larger dataset along with a better split of data among train, validation and evaluation set.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:466123
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 21:32:48