Određivanje dubine scene temeljeno na dubokom učenju

diplomski rad

• Naslov (engleski): Estimation of Scene Depth Based on Deep Learning
• Autor: Marin Vernier
• Mentor: Tomislav Hrkać (mentor)
• Član povjerenstva: Tomislav Hrkać (predsjednik povjerenstva)
• Član povjerenstva: Siniša Šegvić (član povjerenstva)
• Član povjerenstva: Zoran Kalafatić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2019-07-04, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Tehnike procjene dubine scene nalaze široku primjenu u raznim područjima i zahtjeva se da budu pouzdane i robusne. U posljednje vrijeme klasične tehnike procjene dubine scene zamijenjene su tehnikama koje se baziraju na dubokom učenju. U ovom radu dan je pregled područja dubokog učenja, stereo računalnog vida te primjene dubokog učenja u procjeni dubine scene. Naučeno je nekoliko modela, primjenom dvije arhitekture mreža, StereoConvNet i DispNet, nad podatkovnim skupovima Foucard i SceneFlow. Nad dobivenim modelima provedena su mjerenja te je dana usporedba performansi.

Sažetak (engleski)

Depth estimation techniques have a broad range of applications among various domains. It is required that these techniques are reliable and robust. Lately, classic depth estimation techniques have been replaced by techniques based on deep learning. This thesis contains an overview of deep learning, stereo computer vision, and the application of deep learning concepts to the depth estimation problem. Several models have been learned, using StereoConvNet and DispNet architectures and Foucard and SceneFlow datasets. An analysis has been done among gathered models, and model performance comparison has been given.

• Ključne riječi: procjena dubine scene; duboko učenje; disparitet; konvolucijske neuronske mreže
• Ključne riječi (engleski): scene depth estimation; deep learning; disparity; convolutional neural network
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:360029
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2020-01-07 22:49:04