prikaz prve stranice dokumenta Generative adversarial networks for ultrasound image synthesis and analysis in nondestructive evaluation
  Preuzmi
PDF 13.68 MB
disertacija
Generative adversarial networks for ultrasound image synthesis and analysis in nondestructive evaluation
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. urn:nbn:hr:168:751803
Posilović, Luka
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zavod za elektroničke sustave i obradbu informacija

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Posilović, L. (2022). Generative adversarial networks for ultrasound image synthesis and analysis in nondestructive evaluation (Disertacija). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:751803

Posilović, Luka. "Generative adversarial networks for ultrasound image synthesis and analysis in nondestructive evaluation." Disertacija, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:751803

Posilović, Luka. "Generative adversarial networks for ultrasound image synthesis and analysis in nondestructive evaluation." Disertacija, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:751803

Posilović, L. (2022). 'Generative adversarial networks for ultrasound image synthesis and analysis in nondestructive evaluation', Disertacija, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:751803

Posilović L. Generative adversarial networks for ultrasound image synthesis and analysis in nondestructive evaluation [Disertacija]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2022 [pristupljeno 26.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:751803

L. Posilović, "Generative adversarial networks for ultrasound image synthesis and analysis in nondestructive evaluation", Disertacija, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:751803

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:751803
Podaci o radu
NaslovGenerative adversarial networks for ultrasound image synthesis and analysis in nondestructive evaluation
Naslov (hrvatski)Generativne suparničke mreže za sintezu i analizu ultrazvučnih slika u nerazornim ispitivanjima
AutorLuka Posilović
MentorSven Lončarić (mentor)
Član povjerenstvaMarko Subašić (predsjednik povjerenstva)
Član povjerenstvaZvonko Kostanjčar (član povjerenstva)
Član povjerenstvaZoran Kalafatić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
(Zavod za elektroničke sustave i obradbu informacija)
Zagreb
Datum i država obrane2022-06-10, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Obradba informacija
Univerzalna decimalna klasifikacija
(UDC)		004 - Računalna znanost i tehnologija. Računalstvo. Obrada podataka
Sažetak
Non-destructive ultrasound evaluation is a technique for flaw detection in materials. Among other things, it is used for monitoring key components of nuclear power plants, railways, and pipelines. Analysis of ultrasound data is performed by human inspectors manually analyzing acquired images. Such a process can be tedious and is highly dependent on the inspector's previous experience. Deep learning methods are hard to develop because of the lack of available data. The shortage also impacts training new human experts in this field, since they learn through experience. Data from real inspections can not be used because of non-disclosure agreements. On the other hand, blocks with synthetic flaws are expensive to produce. The goal of this work is to develop methods for defect detection. To improve the method’s performance, deep learning methods for generating additional synthetic images need to be developed. Generated data should be realistic and of high quality even to human experts in ultrasound evaluation. Additional data should be used to improve the performance of the deep learning defect detector.
Sažetak (hrvatski)
Nedestruktivno ultrazvučno ispitivanje je metoda za detekciju pukotina u materijalima. Koristi se za praćenje kritičnih komponenata nuklearnih elektrana, željezničkih pruga, i cjevovoda. Analizu ultrazvučnih podataka najčešće ručno provode inspektori. Taj proces može biti zamoran i kvaliteta cijele inspekcije jako ovisi o prijašnjem iskustvu inspektora. Metode dubokog učenja je teško razviti zbog nedostatka podataka. Taj nedostatak također utječe na uvježbavanje novih inspektora u području, jer i oni uče iz iskustva. Podatci sa stvarnih inspekcija se ne mogu koristiti zbog raznih ugovora o povjerljivosti podataka. U drugu ruku, blokovi sa sintetski proizvedenim pukotinama je teško i skupo za proizvesti. Cilj ovog rada je razvoj metode za detekciju pukotina. Kako bi poboljšali rad metoda temeljenih na dubokom učenju, potrebno je razviti nove metode za generiranje dodatnih sintetskih slika. Generirani podatci moraju biti realistički i visoke kvalitete. čak i ekspertima za ultrazvučno ispitivanje. Dodatni podatci se također mogu koristiti za uneprijeđenje rada detektora pukotina temeljenog na dubokom učenju.
Ključne riječi
Ključne riječi (hrvatski)
Jezikengleski
URN:NBNurn:nbn:hr:168:751803
Datum promocije2022
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: poslijediplomski znanstveni (doktorski)
Akademski / stručni naziv: Doktor znanosti (dr. sc.)
Vrsta resursaTekst
Opsegix, 93 str. : graf. prikazi ; 30 cm.
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2022-07-07 12:20:03