prikaz prve stranice dokumenta Primjena strojnog učenja u klasifikaciji slika kao tipičnih primjera nestrukturiranih tipova podataka
  Preuzmi
PDF 3.4 MB
diplomski rad
Primjena strojnog učenja u klasifikaciji slika kao tipičnih primjera nestrukturiranih tipova podataka
Zadar: Sveučilište u Zadru, 2023. urn:nbn:hr:162:298962
Ivandić, Tomislav
Sveučilište u Zadru
Odjel za informacijske znanosti

Institucijski repozitorij: Digitalni repozitorij Sveučilišta u Zadru

Citirajte ovaj rad

Ivandić, T. (2023). Primjena strojnog učenja u klasifikaciji slika kao tipičnih primjera nestrukturiranih tipova podataka (Diplomski rad). Zadar: Sveučilište u Zadru. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:162:298962

Ivandić, Tomislav. "Primjena strojnog učenja u klasifikaciji slika kao tipičnih primjera nestrukturiranih tipova podataka." Diplomski rad, Sveučilište u Zadru, 2023. https://urn.nsk.hr/urn:nbn:hr:162:298962

Ivandić, Tomislav. "Primjena strojnog učenja u klasifikaciji slika kao tipičnih primjera nestrukturiranih tipova podataka." Diplomski rad, Sveučilište u Zadru, 2023. https://urn.nsk.hr/urn:nbn:hr:162:298962

Ivandić, T. (2023). 'Primjena strojnog učenja u klasifikaciji slika kao tipičnih primjera nestrukturiranih tipova podataka', Diplomski rad, Sveučilište u Zadru, citirano: 29.12.2024., https://urn.nsk.hr/urn:nbn:hr:162:298962

Ivandić T. Primjena strojnog učenja u klasifikaciji slika kao tipičnih primjera nestrukturiranih tipova podataka [Diplomski rad]. Zadar: Sveučilište u Zadru; 2023 [pristupljeno 29.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:162:298962

T. Ivandić, "Primjena strojnog učenja u klasifikaciji slika kao tipičnih primjera nestrukturiranih tipova podataka", Diplomski rad, Sveučilište u Zadru, Zadar, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:162:298962

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:162:298962
Podaci o radu
NaslovPrimjena strojnog učenja u klasifikaciji slika kao tipičnih primjera nestrukturiranih tipova podataka
Naslov (engleski)Application of machine learning on the classification of images as typical examples of unstructured data types
AutorTomislav Ivandić
MentorAnte Panjkota (mentor)
Član povjerenstvaFranjo Pehar (predsjednik povjerenstva)
Član povjerenstvaMate Juric (član povjerenstva)
Član povjerenstvaAnte Panjkota (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zadru
(Odjel za informacijske znanosti)
Zadar
Datum i država obrane2023-03-31, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		DRUŠTVENE ZNANOSTI
Informacijske i komunikacijske znanosti
Sažetak
Porast količine nestrukturiranih tipova podataka postavio je nove izazove u raznim domenama informacijskih znanosti, čime se istaknula potreba za razvojem inovativnih, učinkovitih i isplativih metoda njihovog procesiranja među kojima istaknuto mjesto zauzimaju različite metode strojnog učenja. Ovaj diplomski rad istražio je razlike između tradicionalnog strojnog učenja i suvremenih metoda dubokog učenja, prvenstveno vezane zanjihovu primjenu na zadaće klasifikacije slika, kao tipičnih primjera nestrukturiranog tipa podataka. Kako bismo usporedili izvedbu tradicionalnih algoritama strojnog učenja i modela dubokog učenja, proveli smo niz eksperimenata na tri različita skupa podataka ("Vegatable Image Dataset", "Trafic Signs Classification and Recognition" i "Grapevine Image Dataset") od kojih svaki svojim karakteristikama predstavlja poseban primjer tipičnih izazova za zadaću klasifikacije slika. Modeli dubokog učenja proizveli su značajno bolje rezultate klasifikacije na sva tri korištena skupa podataka.
Sažetak (engleski)
The increased amount of unstructured data has posed new challenges in various domains of information sciences, highlighting the need to develop innovative, efficient, and cost-effective processing methods, among which different machine learning methods occupy a prominent place. This master thesis investigated the differences between traditional machine learning and modern deep learning methods, primarily related to their application to image classification tasks as typical examples of unstructured data types. To compare the performance of traditional machine learning algorithms and deeplearning models, we conducted experiments on thre edifferent data sets ("Vegatable Image Dataset", "Trafic Signs Classification and Recognition" and "Grapevine Image Dataset") ,each representing a particular example of typical challenges for the image classification task. Deep learning models produced better classification results on all three data sets.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:162:298962
Studijski programNaziv: Informacijske znanosti (jednopredmetni)
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra informacijskih znanosti (mag. inf.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2023-05-15 11:46:18