prikaz prve stranice dokumenta Semantička segmentacija kretanja uporabom konvolucijskih neuronskih mreža
  Preuzmi
PDF 2.45 MB
diplomski rad
Semantička segmentacija kretanja uporabom konvolucijskih neuronskih mreža
Split: Sveučilište u Splitu, Pomorski fakultet, 2020. urn:nbn:hr:164:132525
Latinčić, Ante
Sveučilište u Splitu
Pomorski fakultet
Zavod za nautiku

Institucijski repozitorij: repozitorij.pfst.unist.hr

Citirajte ovaj rad

Latinčić, A. (2020). Semantička segmentacija kretanja uporabom konvolucijskih neuronskih mreža (Diplomski rad). Split: Sveučilište u Splitu, Pomorski fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:164:132525

Latinčić, Ante. "Semantička segmentacija kretanja uporabom konvolucijskih neuronskih mreža." Diplomski rad, Sveučilište u Splitu, Pomorski fakultet, 2020. https://urn.nsk.hr/urn:nbn:hr:164:132525

Latinčić, Ante. "Semantička segmentacija kretanja uporabom konvolucijskih neuronskih mreža." Diplomski rad, Sveučilište u Splitu, Pomorski fakultet, 2020. https://urn.nsk.hr/urn:nbn:hr:164:132525

Latinčić, A. (2020). 'Semantička segmentacija kretanja uporabom konvolucijskih neuronskih mreža', Diplomski rad, Sveučilište u Splitu, Pomorski fakultet, citirano: 30.11.2024., https://urn.nsk.hr/urn:nbn:hr:164:132525

Latinčić A. Semantička segmentacija kretanja uporabom konvolucijskih neuronskih mreža [Diplomski rad]. Split: Sveučilište u Splitu, Pomorski fakultet; 2020 [pristupljeno 30.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:164:132525

A. Latinčić, "Semantička segmentacija kretanja uporabom konvolucijskih neuronskih mreža", Diplomski rad, Sveučilište u Splitu, Pomorski fakultet, Split, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:164:132525

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:164:132525
Podaci o radu
NaslovSemantička segmentacija kretanja uporabom konvolucijskih neuronskih mreža
AutorAnte Latinčić
MentorIgor Vujović (mentor)
Član povjerenstvaPetar Matić (predsjednik povjerenstva)
Član povjerenstvaJoško Šoda (član povjerenstva)
Član povjerenstvaMiro Petković (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Splitu
Pomorski fakultet
(Zavod za nautiku)
Split
Datum i država obrane2020-09-29, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Tehnologija prometa i transport
Pomorski i riječni promet
Sažetak
Cilj ovog rada bio je detaljnije objasniti što je semantička segmentacija i detekcija objekata, te objasniti to na primjeru. Također je čitatelju približen koncept dubokog učenja sa nekim njegovim podvrstama i principima na kojima se zasniva njihov rad. U teorijskom dijelu može se vidjeti kako duboko učenje, semantička segmentacija i detekcija objekata pronalaze jako široko područje primjene u današnjem svijetu. Jako puno sustava koji koriste umjetnu inteligenciju zasnivaju svoj rad na nekoj vrsti dubokog učenja. U praktičnom dijelu pokazana su dva primjera semantičke segmentacije, te jedan primjer detekcije objekta. U prvom primjeru semantičke segmentacije korišten je CamVidDataset koji sadržava slike iz prometa. Drugi primjer koristi ADE20K dataset, odnosno jednu mapu iz tog dataseta koja je korištena za semantičku segmentaciju prirodne okoline. Cilj je bio kreirati neuronsku mrežu koja će razlikovati kopno, more i nebo. Praktični dio za detekciju objekata pokazuje primjer detekcije prometnog znaka STOP.
Sažetak (engleski)
The main goal of this thesis was to thoroughly explain concept of semantic segmentation and object detection and show that on example. The concept of deep learning and some of his subgroups are explained as well. Theoretical part of thesis shows that semantic segmentation, object detection and deep learning are widely used nowadays. Big number of AI (Artificial Intelligence) systems are based on some sort of deep learning. Practical part of thesis shows two examples of semantic segmentation and one example of object detection. CamVidDataset was used in the first example of semantic segmentation. CamVidDataset contains images of traffic scenes. Other example uses the ADE20K dataset, that is, one folder from that dataset that was used for semantic segmentation of the natural scenes. The goal was to create a neural network that would distinguish land, sea, and sky. The practical part for object detection shows an example of detection of the sign STOP.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:164:132525
Studijski programNaziv: Pomorska nautika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka nautike (mag. ing. naut.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2021-01-07 08:22:08