prikaz prve stranice dokumenta Semantička segmentacija primjeraka korištenjem dubokih konvolucijskih modela
Rad nije dostupan
diplomski rad
Semantička segmentacija primjeraka korištenjem dubokih konvolucijskih modela
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. urn:nbn:hr:168:575012
Balun, Matej
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Balun, M. (2021). Semantička segmentacija primjeraka korištenjem dubokih konvolucijskih modela (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:575012

Balun, Matej. "Semantička segmentacija primjeraka korištenjem dubokih konvolucijskih modela." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:575012

Balun, Matej. "Semantička segmentacija primjeraka korištenjem dubokih konvolucijskih modela." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:575012

Balun, M. (2021). 'Semantička segmentacija primjeraka korištenjem dubokih konvolucijskih modela', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:575012

Balun M. Semantička segmentacija primjeraka korištenjem dubokih konvolucijskih modela [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2021 [pristupljeno 26.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:575012

M. Balun, "Semantička segmentacija primjeraka korištenjem dubokih konvolucijskih modela", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:575012

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:575012
Podaci o radu
NaslovSemantička segmentacija primjeraka korištenjem dubokih konvolucijskih modela
Naslov (engleski)Semantic Segmentation of Instances Using Deep Convolutional Models
AutorMatej Balun
MentorTomislav Hrkać (mentor)
Član povjerenstvaTomislav Hrkać (predsjednik povjerenstva)
Član povjerenstvaZoran Kalafatić (član povjerenstva)
Član povjerenstvaŽeljka Mihajlović (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2021-02-19, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Segmentacija instanci problem je suvremenog računalnog vida i specifično domene dubokog učenja. Sama problematika kombinacije je klasifikacije, semantičke segmentacije, detekcije i lokalizacije objekata, dajući tako kompletnu informaciju o klasama objekata i pojedinim instancama tih klasa, u obliku okvira, koordinata, segmentnih maski i labela klasa i njihovih instanci. Facebook AI research team (FAIR) u članku iz 2017. godine predlaže model za segmentaciju instanci pod imenom Mask R-CNN. Model je baziran na prijašnjim modelima za zadaću detekcije objekata poput R-CNN, Fast R-CNN, Faster R-CNN itd. U ovome radu proučavana je implementacija i performanse modela na skupu uličnih urbanih prizora pod imenom Cityscapes, u kojem model daje daleko bolje rezultate nego ostali pristupi u problemu segmentacije instanci na tom skupu, ali i otvara mjesta za daljnja poboljšanja i nove te učinkovitije pristupe.
Sažetak (engleski)
Instance segmentation is a problem of modern computer vision and specifically the domain of deep learning. The problem is a combination of classification, semantic segmentation, detection, and localization of objects, thus giving complete information about object classes and individual instances of those classes, in the form of frames, coordinates, segment masks, and labels of classes and their instances. Facebook AI research team (FAIR) in a 2017 article proposes a model for instance segmentation called Mask R-CNN. The model is based on previous models for object detection tasks such as R-CNN, Fast R-CNN, Faster R-CNN, etc. This paper studies the implementation and performance of the model on a set of street urban scenes called Cityscapes, in which the model gives far better results than other approaches to the problem of instance segmentation in that set, but also opens room for further improvements and new and more efficient approaches.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:575012
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 pohrane2023-01-13 09:43:21