prikaz prve stranice dokumenta Inkrementalno učenje semantičke segmentacije nad otvorenim skupom razreda
No public access
master's thesis
Inkrementalno učenje semantičke segmentacije nad otvorenim skupom razreda
2021. urn:nbn:hr:168:993512
Smetko, Marijan
University of Zagreb
Faculty of Electrical Engineering and Computing

Cite this document

Smetko, M. (2021). Inkrementalno učenje semantičke segmentacije nad otvorenim skupom razreda (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:993512

Smetko, Marijan. "Inkrementalno učenje semantičke segmentacije nad otvorenim skupom razreda." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. https://urn.nsk.hr/urn:nbn:hr:168:993512

Smetko, Marijan. "Inkrementalno učenje semantičke segmentacije nad otvorenim skupom razreda." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. https://urn.nsk.hr/urn:nbn:hr:168:993512

Smetko, M. (2021). 'Inkrementalno učenje semantičke segmentacije nad otvorenim skupom razreda', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 05 October 2024, https://urn.nsk.hr/urn:nbn:hr:168:993512

Smetko M. Inkrementalno učenje semantičke segmentacije nad otvorenim skupom razreda [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2021 [cited 2024 October 05] Available at: https://urn.nsk.hr/urn:nbn:hr:168:993512

M. Smetko, "Inkrementalno učenje semantičke segmentacije nad otvorenim skupom razreda", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2021. Available at: https://urn.nsk.hr/urn:nbn:hr:168:993512

Please login to the repository to save this object to your list.
Metadata
TitleInkrementalno učenje semantičke segmentacije nad otvorenim skupom razreda
Title (english)Incremental open-set recognition for semantic segmentation
AuthorMarijan Smetko
MentorSiniša Šegvić (mentor)
Committee memberSiniša Šegvić (predsjednik povjerenstva)
Committee memberMarko Čupić (član povjerenstva)
Committee memberTomislav Hrkać (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2021-09-24, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Semantička segmentacija slika važan je zadatak računalnog vida s mnogim zanimljivim primjenama. U posljednje vrijeme najbolji rezultati u tom području postižu se diskriminativnim konvolucijskim modelima. Med̄utim, diskriminativni modeli su skloni neopravdanom optimizmu, što znači da primjerci izvan domene ekspertize modela često bivaju neispravno klasificirani s vrlo malom nesigurnošću. Ovaj rad proučava mogućnost rješavanja tog problema diskriminativnim učenjem s obzirom na šumoviti negativni skup koji aproksimira distribuciju cjelokupnog vizualnog svijeta.
Abstract (english)
Semantic segmentation is an important task of computer vision with many interesting applications. Currently, the state of the art in the field is achieved by discriminative convolutional models. Unfortunately, discriminative models are prone to unwarranted optimism. Consequently, outliers are often misclassified with very small uncertainty. This thesis attempts to solve the problem by incremental learning with respect to a noisy negative set that approximates distribution of the entire visual world.
Keywords
Keywords (english)
Languageenglish
URN:NBNurn:nbn:hr:168:993512
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-01-13 13:48:25