Duboki modeli za semantičku segmentaciju i detekciju anomalija

završni rad

• Naslov (engleski): Deep models for semantic segmentation and anomaly detection
• Autor: Marko Čengić
• Mentor: Siniša Šegvić (mentor)
• Član povjerenstva: Siniša Šegvić (predsjednik povjerenstva)
• Član povjerenstva: Marin Kačan (član povjerenstva)
• Član povjerenstva: Ivan Grubišić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2023-07-06, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U ovom radu primijenjene su metode dubokog učenja za segmentaciju anomalija. Specifično je korišten model arhitekture Swiftnet sa s ljestvičastim naduzorkovanjem. Nadodane su na njega tri metode detekcije anomalija: maksimalni softmax, maksimalni logit i entropija Takav je model onda korišten za detekciju anomalija na cesti.

Sažetak (engleski)

In this work, deep learning methods were applied for anomaly segmentation. The Swiftnet architecture model with ladder oversampling was specifically used. Three anomaly detection methods were added to it: max-softmax, max-logit and entropy. Such a model was then used to detect anomalies on the road.

• Ključne riječi: detekcija anomalija; semantička segmentacija; segmentacija anomalija; maksimalni softmax; maksimalni logit; entropija; ljestvičasto naduzorkovanje; U-Net; Swiftnet; konvolucijske neuronske mreže; duboko učenje
• Ključne riječi (engleski): anomaly detection; semantic segmentation; anomaly segmentation; max-softmax; max-logit; entropy; scalar causality; U-Net; Swiftnet; convolutional neural networks; deep learning
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:202303
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-07-13 09:59:47