Konvolucijski modeli za panoptičku segmentaciju

završni rad

• Naslov (engleski): Convolutional models for panoptic segmentation
• Autor: Tomislav Pavković
• Mentor: Siniša Šegvić (mentor)
• Član povjerenstva: Siniša Šegvić (predsjednik povjerenstva)
• Član povjerenstva: Josip Šarić (član povjerenstva)
• Član povjerenstva: Petra Bevandić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-07-08, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Panoptička segmentacija problem je računalnog vida koji svakom pikselu slike pridružuje oznaku razreda i identifikator primjerka. Ujedinjuje semantičku segmentaciju i segmentaciju primjeraka. U ovom su radu opisani modeli panoptičke segmentacije, njihova podjela i način vrednovanja. Također je dan kratki opis osnova dubokih neuronskih mreže, posebno konvolucijskih mreža, i postupka učenja. Opisani modeli Panoptic SwiftNet, Panoptic DeepLab i Mask2Former naučeni su i vrednovani na skupu podataka Cityscapes. Modeli su uspoređeni na temelju vrijednosti panoptičke kvalitete i vremena zaključivanja. Model Panoptic SwiftNet naučen je na slikama rezolucije 256x512, 512x1024 i 1024x2048. Na temelju tih rezultata, napravljena je analiza utjecaja rezolucije ulaznih slika na vrijednost panoptičke kvalitete i vrijeme zaključivanja modela.

Sažetak (engleski)

Panoptic segmentation is a computer vision task that assigns a class label and instance index to every pixel on an image. It unifies semantic and instance segmentation. This paper describes panoptic segmentation models, their classification, and the method of evaluation. It also provides a short description of deep neural networks basics, especially convolutional networks, and the learning process. Panoptic SwiftNet, Panoptic DeepLab and Mask2Former models are described and evaluated on the Cityscapes dataset. Models are compared based on panoptic quality value and inference time. Panoptic SwiftNet model is learned on images with resolution of 256x512, 512x1024 and 1024x2048. An analysis of the influence that input image resolution has on panoptic quality value and inference time was made based on these results.

• Ključne riječi: panopticka segmentacija; neuronske mreže; konvolucijske neuronske mreže; Panoptic SwiftNet; Panoptic DeepLab; Mask2Former
• Ključne riječi (engleski): panoptic segmentation; neural networks; convolutional neural networks; Panoptic SwiftNet; Panoptic DeepLab; Mask2Former
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:243394
• 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: 2023-01-15 11:00:34