Završni radovi | Repozitorij FER-a

: Duboki neuronski modeli za ekstraktivno sažimanje teksta; Ivan Lovrenčić
Velika količina javno dostupnih tekstnih podataka omogućila je brz razvoj dubokih neuronskih modela za obradu prirodnog jezika. Jedan od zadataka obrade prirodnog jezika koji je posebno profitirao od velika količina teksta, a koji istovremeno ima potencijal riješiti problem prekomjernosti podataka, jest strojno sažimanje teksta. Posebice, cilj ekstraktivnog sažimanja teksta jest stvaranje kratkog ali informacijskog bogatog i sažetog podskupa izvornog teksta. Tema ovog rada jest...

: Duboko učenje ReLayNet arhitekturom za segmentaciju slojeva retine; Antun Herkov
U ovom je radu opisana state-of-the-art metoda za segmentaciju slojeva retine i motivacija iza nje. Kroz prilagodbu metode domaćoj bazi podataka analizirane su performanse modela primijenjenog na bazu podataka pacijenata koji boluju od senilne makularne degeneracije. U sklopu rada provedeno je nekoliko eksperimenata te analiziran značaj pojedinih komponenti funkcije pogreške i težina pridijeljenih slojevima i granicama između slojeva retine.

: Duboko učenje korištenjem YOLO modela za nedestruktivna ispitivanja; Luka Posilović
Nedestruktivno ispitivanje je metoda kojom se pronalaze pukotine i ostale nesavršenosti u materijalima bez njihova uništavanja. Vrlo je važna prilikom ispitivanja konstrukcijskih elemenata u nuklearnim elektranama, ali i mnogim drugim industrijama poput avio industrije i automobilske industrije. Jedna od metoda nedestruktivnog ispitivanja koristi se ultrazvučnim valovima kako bi pronašla pukotine i odredila njihov tip i veličinu. Za potrebe ispitivanje nekog objekta snimi se velika...

: Duboko učenje nad dinamičkim grafovima; Daniel Vusić
Duboko učenje nad dinamičkim grafovima uključuje razne načine rješavanja zadataka koji su postavljeni nad skupom podataka predstavljenim grafom u kontinuiranom vremenu. Klasifikacija čvorova, predikcija veza te još neki zadatci sasvim su novi i specifični izazovi koje metode klasičnog dubokog učenja ne mogu riješiti zbog različitosti podataka. Graf osim značajki čvorova sadrži puno više informacija na temelju njegove topologije, te još više informacija kada se uzme u obzir...

: Duboko učenje prijenosom znanja za segmentaciju slojeva retine; Josip Hranić
Rad opisuje učenje modela konvolucijske neuronske mreže za segmentaciju slojeva retine. Analizirane su koristi i nedostaci prijenosa učenja i augmentacije podataka za semantičku segmentaciju. Kombinacija augmentacije podataka i prijenosa znanja omogućila je bolje rezultate istog modela obučenog od početka. Ovo je zaista važan rezultat, jer ogromni računski resursi nisu unutar svačijih mogućnosti, pogotovo kada se radi o velikim biomedicinskim skupovima podataka.

: Duboko učenje u autonomnim vozilima; Valentina Fatorić
Za autonomnu vožnju potrebno je da vozilo preko kamera i senzora može prepoznati okolinu oko sebe na temelju čega će donijeti odluke. Za to se koristi semantička segmentacija kojom se svakom pikselu slike dodjeljuje određena klasa. Semantička segmentacija je jedan od najtežih problema računalnog vida za kojeg se koristi duboko učenje, odnosno konvolucijske neuronske mreže. U radu su opisana dva trenutno najbolja modela za taj problem i njihovi rezultati dobiveni nad skupom...

: Duboko učenje vektorskih reprezentacija riječi za modele označavanja tekstova na hrvatskome jeziku; Goran Gašić
Vektorske reprezentacije riječi prikazuju riječi nisko-dimenzionalnim vektorima realnih vrijednosti u svrhu matematičkog zapisa sintaksnih te semantičkih informacija. Nenadziranim učenjem na skupu teksta hrWaC od 1.4 milijardu pojavnica izgrađujemo 4 tipa reprezentacija za rječnik od 200000 riječi. Pomoću njih dubokim učenjem izgrađujemo modele označavanja tekstova zasnovane na umjetnim neuronskim mrežama. Kombiniramo dostupne označene skupove podataka. Ostvarujemo vrhunsku ili...

: Duboko učenje za analizu slika retine; Šime Pavlić
Posljednjih godina, sve se više istražuje područje računalno potpomognute medicinske dijagnostike. Za veliko poboljšanje u rezultatima problema detekcije i segmentacije, zaslužan je strelovit razvoj metoda dubokog učenja. U ovom radu fokus je na problemu segmentacije tekućina na OCT slikama mrežnice koristeći nove vrste umjetnih neuronskih mreža, kapsularne neuronske mreže. Dan je pregled dosadašnjih ostvarenja na području segmentacije OCT slika mrežnice i kapsularnih...

: Duboko učenje za automatizirano praćenje upotrebe zaštitne odjeće i opreme; Nika Rosandić
U ovom radu razmatra se primjena dubokog učenja kod praćenja zaštitne odjeće i opreme, primarno pri radu u industrijskim postrojenjima. Opisuje se korištenje dubokog učenja u računalnom vidu i objašnjavaju metode dubokog učenja. Navode se već postojeća rješenja problema automatiziranog praćenja zaštitne opreme i obrađuje se problem praćenja više objekata. Detaljno se objašnjavaju korišteni algoritmi, YOLO i SORT, te prikazuju rezultati učenja i testiranja korištene...

: Duboko učenje za automatizirano spajanje i ispravljanje slika iz dronova temeljeno na dubokom učenju; Marko Puk
Tema ovog rada je ispravljanje nedostataka na slikama snimljenih dronom i njihovo povezivanje u mapu prostora. Rješenje se sastoji od detaljnog opisa dobivanja skupa podataka potrebnog za učenje neuronske mreže, konfiguracije konvolucijske neuronske mreže u arhitekturi autoenkodera i naposljetku izrade dekodera kojim se dobiva mapa prostora. Za kreiranje skupa podataka za učenje korištena je metoda augmentacije koja uz pomoć transformacija vrši promjene na slikama. Za potrebe...

: Duboko učenje za bojenje crno-bijelih slika; Stella Balić
Duboko učenje sve se više upotrebljava u području računalnog vida kako bi se postigli rezultati koji nisu rješivi klasičnim matematičkim modelima. Svoju primjenu pronašlo je i u bojanju crno-bijelih fotografija, što nam je jako praktično za oživljavanje starih monokromatskih slika. U okviru rada ukratko je opisana je teorijska podloga umjetnih neuronskih mreža i dubokog učenja, a naglasak je na generativnim suparničkim mrežama (GANs). Jedan GAN model korišten je za praktično...

: Duboko učenje za detekciju cestovne trake; Romana Blažević
Duboke neuronske mreže su vrlo moćni alati za vizualnu analitiku, odnosno interpretaciju i analizu slika, te su pokazale vrhunske performanse u raznim zadacima, pa tako i u onome obrađenom ovdje, a to je detekcija voznih traka. U usporedbi s tradicionalnim modelima plitke računske strukture, jedna vrlo važna prednost neuronskih mreža je ta što su reprezentacije podataka izgrađene u proces učenja automatski. Shodno tomu, neuronske mreže se smatraju sposobne za naučiti razlikovati...

Paginacija