prikaz prve stranice dokumenta Semantička segmentacija slika prirodnog krajolika temeljena na dubokom učenju
Pristup korisnicima matične ustanove
disertacija
Semantička segmentacija slika prirodnog krajolika temeljena na dubokom učenju
Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2020. urn:nbn:hr:179:179169
Božić-Štulić, Dunja
Sveučilište u Splitu
Fakultet elektrotehnike, strojarstva i brodogradnje
Zavod za elektroniku i računarstvo

Institucijski repozitorij: Repozitorij Fakulteta elektrotehnike, strojarstva i brodogradnje

Citirajte ovaj rad

Božić Štulić, D. (2020). Semantička segmentacija slika prirodnog krajolika temeljena na dubokom učenju (Disertacija). Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:179:179169

Božić Štulić, Dunja. "Semantička segmentacija slika prirodnog krajolika temeljena na dubokom učenju." Disertacija, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2020. https://urn.nsk.hr/urn:nbn:hr:179:179169

Božić Štulić, Dunja. "Semantička segmentacija slika prirodnog krajolika temeljena na dubokom učenju." Disertacija, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2020. https://urn.nsk.hr/urn:nbn:hr:179:179169

Božić Štulić, D. (2020). 'Semantička segmentacija slika prirodnog krajolika temeljena na dubokom učenju', Disertacija, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, citirano: 25.11.2024., https://urn.nsk.hr/urn:nbn:hr:179:179169

Božić Štulić D. Semantička segmentacija slika prirodnog krajolika temeljena na dubokom učenju [Disertacija]. Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje; 2020 [pristupljeno 25.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:179:179169

D. Božić Štulić, "Semantička segmentacija slika prirodnog krajolika temeljena na dubokom učenju", Disertacija, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, Split, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:179:179169

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:179:179169
Podaci o radu
NaslovSemantička segmentacija slika prirodnog krajolika temeljena na dubokom učenju
Naslov (engleski)Semantic segmentation of natural landscape images based on deep learning
AutorDunja Božić-Štulić https://orcid.org/0000-0001-5267-0848
MentorDarko Stipaničev (mentor)
Član povjerenstvaVladan Papić (predsjednik povjerenstva)
Član povjerenstvaSven Lončarić (član povjerenstva)
Član povjerenstvaSaša Mladenović (član povjerenstva)
Član povjerenstvaDamir Krstinić (član povjerenstva)
Član povjerenstvaViktor Sučić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Splitu
Fakultet elektrotehnike, strojarstva i brodogradnje
(Zavod za elektroniku i računarstvo )
Split
Datum i država obrane2020-06-30, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Univerzalna decimalna klasifikacija
(UDC)		621.3 - Elektrotehnika
Sažetak
Semantička segmentacija slike značajni je zadatak u području računalnog vida i strojnog učenja. Ova doktorska disertacija bavi se razvojem nove metode za semantičku segmentaciju slika prirodnog krajolika. Modifikacijom bazne konvolucijske mreže predložen je novi model za semantičku segmentaciju slika. Pri izradi modela posebna pažnja je posvećena slojevima sažimanja, koji u modelima dubokog učenja predstavljaju veliki problem zbog gubitka podataka, koji je u kasnijim slojevima mreže nemoguće vratiti. Novi model ima segment posebno zadužen za rekonstrukciju izgubljenih podataka, pa je probleme gubitka podataka sveden na minimum u odnosu na postojeće mreže. Predložen je novi završni sloj koji poboljšava rekonstrukciju piksela slike izgubljenih u slojevima sažimanja. Evaluacija modela potvrdila je početne pretpostavke. Drugi dio ove disertacija je razvoj metode za proširenje referentne baze slika prirodnog krajolika i to posebno slika koje sadrže dim požara raslinja u početnim fazama gorenja. Predložen je i evaluiran model za generiranje realističkih sintetičkih slika dima požara raslinja primjenom generičkih suparničkih mreža. Ove su slike uspješno korištene u fazi treniranja mreže za semantičku klasifikaciju slika prirodnog krajolika i to posebno regija koje predstavljaju dim požara raslinja, što će značajno unaprijediti detekciju u automatskim sustavima za rano otkrivanje požara raslinja.
Sažetak (engleski)
Semantic segmentation of regions on images is a significant task in the field of computer vision and machine learning. This doctoral dissertation deals with the development of a new method for the semantic segmentation of images of the natural landscape images. By modifying the base convolution network, a new model for semantic image segmentation is proposed. Particular attention was given to the compression layers, which in deep learning models pose a major data loss problem that is impossible to recover in later layers of the network. The new model has a segment specifically in charge of reconstructing lost data, so data loss problems are minimized over existing networks. A new final level is proposed that enhances the reconstruction of image pixels lost in the compression layers. Model evaluation confirmed the initial assumptions. The second part of this dissertation is the development of a method to extend the reference base of images of the natural landscape, especially images containing the wildfire smoke in the initial stages of burning. A model for generating realistic synthetic images of wildfire smoke using Generative Adversarial Network has been proposed and evaluated. These images have been successfully used in the training phase of the network for the semantic classification of the natural landscape images, especially the regions that represent wildfire smoke. This will probably significantly enhance detection in automated systems for early wildfire detection.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:179:179169
Datum promocije2022
Studijski programNaziv: Elektrotehnika i informacijska tehnologija
Vrsta studija: sveučilišni
Stupanj studija: poslijediplomski doktorski
Akademski / stručni naziv: doktor/doktorica znanosti, područje tehničkih znanosti, polje elektrotehnika (dr. sc.)
Vrsta resursaTekst
Opseg125 str.
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2022-02-28 10:47:07