Detekcija izvandistribucijskih dijelova slike primjenom generativnih modela

master's thesis

• Title (english): Dense out-of-distribution detection by using generative models
• Author: Matej Grcić
• Mentor: Siniša Šegvić (mentor)
• Committee member: Siniša Šegvić (predsjednik povjerenstva)
• Committee member: Zoran Kalafatić (član povjerenstva)
• Committee member: Tomislav Hrkać (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2020-07-14, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

Semantička segmentacija slika važan je zadatak računalnog vida. Najbolji rezultati u tom području postižu se dubokim diskriminativnim konvolucijskim modelima koji su skloni neopravdanom optimizmu. U ovom radu adresiramo navedeni problem korištenjem primjera s ruba distribucije podataka nastalih uzorkovanjem generativnog modela temeljenog na invertibilnom normalizirajućem toku. Primjeri s ruba distribucije podataka u kombinaciji s primjerima iz negativnog skupa podataka drastično povećavaju performanse diskriminativnog modela u detekciji dijelova slike koji sadrže anomaliju. Navedene tvrdnje su vrednovane iscrpnim eksperimentima.

Abstract (english)

Semantic segmentation is an important task in the field of computer vision. Current state of the art results are obtained by deep discriminative convolutional models which are known for its unjustified optimism. We address this issue by using samples at the distribution border obtained by sampling the flow-based generative model. Samples at the data distribution border in combination with samples from another negative dataset drastically improve discriminative model's performance in anomaly detection. All claims are evaluated on exhaustive experiments.

• Keywords: Semantička segmentacija; gusta detekcija izvandistribucijskih dijelova slike; generativni modeli temeljeni na invertibilnom normalizirajućem toku; primjeri s ruba distribucije podataka
• Keywords (english): Semantic segmentation; dense out-of-distribution detection; flow-based generative models; samples at the data distribution border
• Language: croatian
• URN:NBN: urn:nbn:hr:168:173494
• 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: 2023-01-13 12:20:38