prikaz prve stranice dokumenta Semantička segmentacija s dvosmjernom piramidom značajki
Rad nije dostupan
završni rad
Semantička segmentacija s dvosmjernom piramidom značajki
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. urn:nbn:hr:168:737370
Rukavina, Jakov
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Rukavina, J. (2021). Semantička segmentacija s dvosmjernom piramidom značajki (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:737370

Rukavina, Jakov. "Semantička segmentacija s dvosmjernom piramidom značajki." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:737370

Rukavina, Jakov. "Semantička segmentacija s dvosmjernom piramidom značajki." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:737370

Rukavina, J. (2021). 'Semantička segmentacija s dvosmjernom piramidom značajki', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 27.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:737370

Rukavina J. Semantička segmentacija s dvosmjernom piramidom značajki [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2021 [pristupljeno 27.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:737370

J. Rukavina, "Semantička segmentacija s dvosmjernom piramidom značajki", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:737370

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:737370
Podaci o radu
NaslovSemantička segmentacija s dvosmjernom piramidom značajki
Naslov (engleski)Semantic segmentation with a bidirectional feature pyramid
AutorJakov Rukavina
MentorSiniša Šegvić (mentor)
Član povjerenstvaSiniša Šegvić (predsjednik povjerenstva)
Član povjerenstvaJosip Šarić (član povjerenstva)
Član povjerenstvaIvan Grubišić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2021-07-08, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Rad opisuje elementarne postupke korištene u dubokom učenju s naglaskom na konvoluciju. Ističe se rast popularnosti računalnog vida kao područja umjetne inteligencije koje se uspješno koristi dubokim neuronskim mrežama. Kao jedna on težih zadaća računalnog vida navodi se segmentacija, a rad se bavi granom ovog polja zvanom semantička segmentacija. Opisuje se model s dvosmjernom piramidom značajki koji uvodi mnoge preinake u već poznati piramidalni model koji uspješno rješava zadaću segmentacije. Opisani model - BPNet - ne koristi predtrenirni model na drugim skupovima podataka. Također, model se koristi dvosmjernim tokovima informacija između poduzorkovanih značajki i značajki visoke rezolucije te za kombiniranje značajki koristi vrlo uspješan, ali i efikasan pristup. Ispituje se uspješnost i brzina modela na skupu slika Cityscapes koji se sastoji od slika uličnih scena što nam je zanimljivo zbog mogućnosti korištenja ovakvih modela u sustavima za autonomnu vožnju. Konačno, BPNet se uspoređuje s još jednom piramidalnom arhitekturom - SwiftNetom.
Sažetak (engleski)
This paper describes elementary procedures used in deep learning with an emphasis on convolution. It highlights the rise in popularity of computer vision as an area of artificial intelligence that successfully uses deep neural networks. Segmentation is cited as one of the more difficult tasks of computer vision, and the paper describes a type of this field called semantic segmentation. A bidirectional feature pyramid model is described, which introduces many modifications to the already known pyramid model that successfully solves the task of segmentation. The described model - BPNet - does not use a feature extractor pretrained on other datasets. Also, this model uses bidirectional flow of information between low and high resolution features and a very successful, but also efficient, approach to feature fusion. Speed and accuracy are tested on Cityscapes image set consisting of images recoreded in street scenes. This use case interests us because of the possibility of using such models in autonomous driving. Finally, BPNet is compared with another pyramidal architecture - SwiftNet.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:737370
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.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 09:51:49