prikaz prve stranice dokumenta Detekcija kapljica kiše na zaštitnom staklu između scene i kamere
Rad nije dostupan
diplomski rad
Detekcija kapljica kiše na zaštitnom staklu između scene i kamere
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. urn:nbn:hr:168:653967
Barišić, Ivana
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Barišić, I. (2022). Detekcija kapljica kiše na zaštitnom staklu između scene i kamere (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:653967

Barišić, Ivana. "Detekcija kapljica kiše na zaštitnom staklu između scene i kamere." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:653967

Barišić, Ivana. "Detekcija kapljica kiše na zaštitnom staklu između scene i kamere." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:653967

Barišić, I. (2022). 'Detekcija kapljica kiše na zaštitnom staklu između scene i kamere', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 25.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:653967

Barišić I. Detekcija kapljica kiše na zaštitnom staklu između scene i kamere [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2022 [pristupljeno 25.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:653967

I. Barišić, "Detekcija kapljica kiše na zaštitnom staklu između scene i kamere", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:653967

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:653967
Podaci o radu
NaslovDetekcija kapljica kiše na zaštitnom staklu između scene i kamere
Naslov (engleski)Detection of raindrops on the protective glass between the scene and the camera
AutorIvana Barišić
MentorSiniša Šegvić (mentor)
Član povjerenstvaSiniša Šegvić (predsjednik povjerenstva)
Član povjerenstvaMarko Čupić (član povjerenstva)
Član povjerenstvaJan Šnajder (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2022-07-13, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Raspoznavanje slika važno je područje računalnog vida s mnogim zanimljivim primjenama. Jedna od takvih primjena je i detekcija smanjene vidljivosti uslijed kapljica na zaštitnom staklu kamere. Ovaj rad proučava rješavanje tog problema prikladno oblikovanim konvolucijskim modelima, točnije korištenjem modela s ResNet-18 arhitekturom. Raznim postupcima, poput učenja na isječcima, uvođenjem dilatirane konvolucije te smanjenjem koraka u prvom sloju sažimanja, pokušava se dobiti što bolja sposobnost generalizacije. Fokus je stavljen na prepoznavanja sitnih detalja slike i očuvanje originalne ImageNet semantike mreže. U sklopu rada korištena su dva skupa podataka od kojih su oblikovani podskupovi za učenje, validaciju i testiranje. Kreiran je klasifikacijski algoritam strojnog učenja te su vrednovani naučeni modeli i prikazane su njihove metrike kao i vizualizirana logika zaključivanja modela pomoću gradijenata ulaza.
Sažetak (engleski)
Image recognition is an important area of computer vision with many interesting applications such as the detection of reduced visibility due to drops on the protective glass of the camera. This paper studies the solution to this problem with appropriately designed convolutional models, i.e. using ResNet-18 models. The best possible model was deducted by a combination of various procedures, such as learning on clips, introducing dilated convolution and reducing stride in the first pooling layer. The focus was on recognizing the fine details of the image and preserving the original ImageNet semantics of the network. Subsets for learning, validation and testing were formed from two data sets which were used in the paper. The classification algorithm of machine learning was created and the learned models were evaluated, along with their metrics, as well as the visualized logic of the model inference using input gradients to do so.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:653967
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 pohrane2023-01-14 08:24:22