Pages
-
-
Klasifikacija slika konvolucijskim neuronskim mrežama
-
Ivana Babić Tema završnog rada jest klasifikacija slika konvolucijskim neuronskim mrežama.
Kroz zadnjih nekoliko godina korištenje dubokih neuronskih mreža dovelo je do postizanja jako dobrih rezultata u rješavanju zadataka iz područja računalnog vida, a za postupke vizualne klasifikacije najboljima su se pokazale konvolucijske neuronske mreže.
Rad obuhvaća teoretsku podlogu vezanu za konvolucijske mreže, od same definicije mreže, značaja koji danas ima u zadatcima veznim za klasifikaciju...
-
-
Klasifikacija slika korištenjem transformatorskih mreža
-
Matko Barbić Kompjuterska vizija je važno područje umjetne inteligencije. Od 2012. konvolucijske neuronske mreže su najčešće korišteni oblik umjetne inteligencije za rješavanje problema u području računalnog vida. U 2021. transformer arhitektura, koja se do tada uglavnom koristila za probleme procesiranja prirodnog jezika, je adaptirana za rješavanje problema računalnog vida. U ovom radu smo proučili mehanizam pažnje koji se koristi u transformerskim arhitekturama, implementirali dvije...
-
-
Klasifikacija slika kućnih brojeva dubokim konvolucijskim modelima
-
Ivan Šego Rad započinje opisom općenito neuronskih mreža, neurona te njihove inspiracije. Nas-
tavlja se opisom konvolucijskih neuronskih mreža te njihove primjene na klasifika-
ciju objekta. U nastavku je dan pregled programskog okvira PyTorch. Nadalje, dani
je prikaz rezultat implementirane konvolucijske neuronske mreža skupovima SVHN,
MNIST te njihova programska implementacija. Dodatno, objašnjen je koncept nepri-
jateljskih primjera te prikazan jedan konkretan neprijateljski primjer
-
-
Klasifikacija slika osobnih automobila konvolucijskim modelima
-
Karlo Puh Glavni cilj rada je klasifikacija slika osobnih automobila konvolucijskim modelom. Prvo su u radu opisane klasične umjetne neuronske mreže, a zatim konvolucijske neuronske mreže i njihove glavne prednosti nad klasičnim mrežama. Nadalje, opisan je korišteni programski jezik Python te biblioteka za duboko učenje TensorFlow. Za samu klasifikaciju odabran je predtrenirani konvolucijski model VGG16, dok je za izvorni skup slika uzet Stanford Cars Dataset. Prethodno spomenuti model pokazao...
-
-
Klasifikacija slika primjenom dubokog učenja na ugradbenom računalu
-
Matej Balun U ovom je radu obrad̄ena problematika prepoznavanja registarskih tablica automo-
bila primjenom dubokog učenja na ugradbenom računalu. Objašnjeni su alati korišteni
u radu, temeljni principi strojnog i dubokog učenja, struktura standardnih unaprijednih
i konvolucijskih neuronskih mreža, kao i proces učenja istih. Prikazana je arhitektura
sustava kao Python desktop aplikacije, organizacija izvornog koda, primijenjeni obli-
kovni obrasci, način korištenja funkcionalnosti sustava i...
-
-
Klasifikacija slika u svrhu prepoznavanja raka kože
-
Matija Zlovolić U ovom radu proučavao sam klasifikacije s osvrtom na metode koje se koriste za klasifikaciju slika. Primijenio sam različite strategije za poboljšanje generalizacije i uspješnosti. Odabrane metode primijenio sam za prepoznavanje slika raka kože. Prikazao sam rezultate i obrazložio kako sam došao do njih. Napravio sam usporedbu mog klasifikatora s postojećim rezultatima dobivenim za istom skupu podataka.
-
-
Klasifikacija sličnih proizvoda na temelju veličine
-
Jan Juričić U ovom radu je objašnjena arhitektura konvolucijske mreže EfficientNet. Opisan je postupak kojim se dobiva osnovna mreža EfficientNet-B0 te metoda složenog skaliranja pomoću koje se generira familija EfficientNet mreža. Također opisan je problem pogoršavanja te arhitektura ResNet mreže, koja uvođenjem rezidualnog preslikavanja rješava spomenuti problem. Nadalje, definiran je fokusni gubitak te je opisana arhitektura RetinaNet detektora. Na kraju je opisan postupak kojim je...
-
-
Klasifikacija srčanih bolesti na temelju EKG signala uz pomoć strojnog učenja podržanog evolucijskim računarstvom
-
Danijel Pavlek Cilj ovog završnog rada je upoznati se s najčešćim načinima za analizu signala u medicinskoj dijagnostici u svrhu prepoznavanja mogućih tegoba srca. Korišteni su modeli iz strojnog učenja, a isti su učeni numeričkim i stohastičkim metodama. Za klasifikaciju su odabrani stroj s potpornim vektorima i neuronska mreža, a učenje njihovih parametara je izvedeno algoritmima evolucijskog računanja: genetski algoritam, evolucijska strategija, kao i neuro-evolucija rastućih topologija....
-
-
Klasifikacija srčanih ritmova iz snimaka 12-kanalnog elektrokardiograma
-
Marko Barišić Kardiovaskularne bolesti najrašireniji su i najčešći uzrok smrti na svijetu. Razvoj sustava za klasifikaciju srčanih ritmova iz snimaka rada srca ima široku mogućnost primjene. U ovom završnom radu istražuje se područje kardiologije, analize signala te strojnog učenja. Domensko znanje iz kardiologije ključno je za uspješno pronalaženje i izvlačenje značajki iz snimke EKG-a. Istražuju se algoritmi za analizu snimke signala EKG-a: Pan-Tompkinsov algoritam za pronalazak QRS...
-
-
Klasifikacija srčanih ritmova iz snimaka 12-kanalnog elektrokardiograma koristeći kombinaciju pristupa dubokog učenja
-
Marko Barišić Uobičajeno je da se signali elektrokardiograma (EKG) zapisuju i motre kroz određeni vremenski period i konačno ih analizira stručnjak. Automatska klasifikacija srčanih ritmova ima potencijal poboljšati dijagnostiku. U ovom radu istražuje se korištenje učenja iz reprezentacije snimaka EKG-a za klasifikaciju srčanih ritmova. Skup podataka se sastoji od pet srčanih ritmova i kreiran je od baza podataka CPSC, CPSC-Extra i The Georgia 12-lead ECG Challenge Database. Koristi se...
-
-
Klasifikacija stresa metodama strojnog učenja temeljena na biomedicinskim vremenskim nizovima s prijenosnog uređaja
-
Florijan Sandalj U ovom radu korišteni su algoritmi strojnog učenja za klasifikaciju biomedicinskih signala u neurološka stanja stresa. Korišten je javno dostupan skup podataka Non-EEG Dataset for Assessment of Neurological Status [1]. Opisan je način na koji su podaci prikupljani i kako su transformirani u željeni oblik. Objašnjene su ideje i standardne metode strojnog učenja Proučavan je manji skup algoritama strojnog učenja i to preciznije, klasifikacije: stabla odluke, naivni Bayesov...
Pages