prikaz prve stranice dokumenta Detekcija izvandistribucijskih dijelova slike primjenom generativnih modela
Rad nije dostupan
diplomski rad
Detekcija izvandistribucijskih dijelova slike primjenom generativnih modela
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. urn:nbn:hr:168:173494
Grcić, Matej
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Grcić, M. (2020). Detekcija izvandistribucijskih dijelova slike primjenom generativnih modela (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:173494

Grcić, Matej. "Detekcija izvandistribucijskih dijelova slike primjenom generativnih modela." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. https://urn.nsk.hr/urn:nbn:hr:168:173494

Grcić, Matej. "Detekcija izvandistribucijskih dijelova slike primjenom generativnih modela." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. https://urn.nsk.hr/urn:nbn:hr:168:173494

Grcić, M. (2020). 'Detekcija izvandistribucijskih dijelova slike primjenom generativnih modela', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 25.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:173494

Grcić M. Detekcija izvandistribucijskih dijelova slike primjenom generativnih modela [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2020 [pristupljeno 25.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:173494

M. Grcić, "Detekcija izvandistribucijskih dijelova slike primjenom generativnih modela", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:173494

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:173494
Podaci o radu
NaslovDetekcija izvandistribucijskih dijelova slike primjenom generativnih modela
Naslov (engleski)Dense out-of-distribution detection by using generative models
AutorMatej Grcić
MentorSiniša Šegvić (mentor)
Član povjerenstvaSiniša Šegvić (predsjednik povjerenstva)
Član povjerenstvaZoran Kalafatić (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 obrane2020-07-14, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Semantička segmentacija slika važan je zadatak računalnog vida. Najbolji rezultati u tom području postižu se dubokim diskriminativnim konvolucijskim modelima koji su skloni neopravdanom optimizmu. U ovom radu adresiramo navedeni problem korištenjem primjera s ruba distribucije podataka nastalih uzorkovanjem generativnog modela temeljenog na invertibilnom normalizirajućem toku. Primjeri s ruba distribucije podataka u kombinaciji s primjerima iz negativnog skupa podataka drastično povećavaju performanse diskriminativnog modela u detekciji dijelova slike koji sadrže anomaliju. Navedene tvrdnje su vrednovane iscrpnim eksperimentima.
Sažetak (engleski)
Semantic segmentation is an important task in the field of computer vision. Current state of the art results are obtained by deep discriminative convolutional models which are known for its unjustified optimism. We address this issue by using samples at the distribution border obtained by sampling the flow-based generative model. Samples at the data distribution border in combination with samples from another negative dataset drastically improve discriminative model's performance in anomaly detection. All claims are evaluated on exhaustive experiments.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:173494
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 12:20:38