Učenje dubokih konvolucijskih modela na malom broju primjera

undergraduate thesis

• Title (english): Few-shot learning of deep convolutional models
• Author: Frano Rajič
• Mentor: Siniša Šegvić (mentor)
• Committee member: Siniša Šegvić (predsjednik povjerenstva)
• Committee member: Mladen Karan (član povjerenstva)
• Committee member: Josip Šarić (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2020-07-09, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

Klasifikacija slika je složen problem s mnogim zanimljivim primjenama. Konvolucijske neuronske mreže postigle su vrhunske rezultate u mnogim područjima računalnog vida, posebno u zadacima klasifikacije slika. Međutim, klasični pristupi učenja konvolucijskih modela zahtijevaju ogromne količine označenih podataka za svaki semantički razred. Taj zahtjev smo relaksirali dubokom konvolucijskom sijamskom neuronskom mrežom koja podržava učenje na malom broju primjera. Predloženi model se temelji na... More dubokim korespondencijskim ugrađivanjima koja primjerke istih semantičkih razreda preslikava u kompaktnu regiju mnogostrukosti najapstraktnije latentne reprezentacije. Prikazani su rezultati modela treniranog na Omniglot skupu podataka. Less

Abstract (english)

Image classification is a complex problem with many interesting applications. Convolutional neural networks have achieved superior results in many areas of computer vision, especially in image classification tasks. However, classical approaches to learning convolutional models require huge amounts of labeled data for each semantic class. We relaxed this requirement with a deep convolutional Siamese neural network that supports learning from a small number of examples. The proposed model is... More based on deep correspondence embeddings that map specimens of the same semantic classes into a compact region of multiplicity of the most abstract latent representation. The results of the model trained on the Omniglot dataset are presented. Less

• Keywords: sijamske neuronske mreže; učenje na malom broju primjera; učenje u jednom pokušaju; duboki konvolucijski modeli
• Keywords (english): Siamese neural networks; one-shot learning; deep convolutional models
• Language: croatian
• URN:NBN: urn:nbn:hr:168:109431
• Study programme: Title: Computing; Study programme type: university; Study level: undergraduate; Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2023-01-14 09:48:43