Učenje semantičke segmentacije na nepotpunim oznakama

master's thesis

• Title (english): Training semantic segmentation on incomplete labels
• Author: Petar Borko
• Mentor: Siniša Šegvić (mentor)
• Committee member: Siniša Šegvić (predsjednik povjerenstva)
• Committee member: Marko Čupić (član povjerenstva)
• Committee member: Leonardo Jelenković (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2023-07-08, Croatia

Abstract

Semantička segmentacija važan je zadatak računalnog vida koji zahtjeva veliku količinu označenih podataka sa kojima često ne raspolaže. Iz tog razloga su smišljene tehnike polunadziranog strojnog učenja koje bi iskoristile moć neoznačenih ili slabo označenih podataka kako bi stvorili induktivne pretpostavke o čitavoj distribuciji. Ovaj rad bavi se uporabom kombinacije postojećih modela kako bi se ostvarili bolji rezultati na osobnom skupu podataka. Demonstriraju se moderni alati i tehnike... More učenja kako bi se ostvarila zadovoljavajuća točnost uz pomoć snage neoznačenih podataka. Less

Abstract (english)

Semantic segmentation is an important computer vision task that requires a great deal of annotated data, which is seldom the case. For this reason, weakly supervised techniques have been developed for leveraging the power of unlabeled and weakly labeled data to make inductive reasoning about the underlying data distribution. This work is based on using a combination of powerful models to achieve better results on a custom dataset. Modern pseudolabeling techniques are used to leverage the... More power of unlabeled and weakly annotated data to achieve sufficient accuracy. Less

• Keywords: duboko učenje; semantička segmentacija; polunadzirano učenje; prijenos domene; učenje nad nepotpunim oznakama; pseudooznačavanje
• Keywords (english): deep learning; semantic segmentation; semi-supervised learning; domain transfer; learning on incomplete labels; pseudolabeling
• Language: croatian
• URN:NBN: urn:nbn:hr:168:926062
• Study programme: Title: Computing; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2023-10-11 08:29:12