Automatizirano ispravljanje slika iz dronova temeljeno na dubokom učenju

diplomski rad

• Naslov (engleski): Deep Learning for Automatized Correction of Images Taken from Drones
• Autor: Bruno Horvat
• Mentor: Vladimir Čeperić (mentor)
• Član povjerenstva: Vladimir Čeperić (predsjednik povjerenstva)
• Član povjerenstva: Zoran Kalafatić (član povjerenstva)
• Član povjerenstva: Tvrtko Mandić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2023-07-13, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Ovim radom isprobane su razne metode učenja rekonstruiranja slike pomoću neuronske mreže. Najprije je dana teorijska podloga raznih vrsta modela te je opisano kako rade i koje su njihove prednosti. Opisane metode su služile kao kratak uvod u područje dubokog učenja. Bez prevelikog ulaženja u detalje, opisane su one metode koje će u ovom radu biti i korištene.
Za treniranje neuronske mreže je potreban skup podataka koji je raznim augmentacijama pokušao simulirati nepovoljne vremenske uvjete. Problem čišćenja slika je prikazan kroz analitičko razmišljanje te je napravljena usporedba modela i njihovih rezultata. Svaki model sastoji se od enkoderske i dekoderske mreže koje zajedničkim snagama pokušavaju rekonstruirati sliku iz drona. Modeli dubokog učenja naučeni su najviše što su mogli biti s obzirom na hardverske resurse.

Sažetak (engleski)

The topic of the following paper is testing various methods of image reconstruction using a neural network. Firstly, a theoretical background of different types of models is provided, describing how they work and what are their advantages. The described methods served as a brief introduction to the field of deep learning. Without going into too much details, only the methods that are used in this work were described.
To train the neural network, a dataset was required, which was subjected to various augmentations in order to simulate weather conditions. The problem of image denoising has been shown through analytical thinking, and a comparison of models and their results was conducted. Each model consists of an encoder and a decoder network, which work together to reconstruct images captured by a drone. The deep learning models were trained to the best of their ability given the available hardware resources.

• Ključne riječi: Maskirani autoenkoder; Konvolucijska neuronska mreža; Autoenkoderska arhitektura; Dron; Čišćenje slike
• Ključne riječi (engleski): Masked autoencoder; Convolutional neural network; Autoencoder architecture; Drone; Image denoising
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:043951
• 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: 2023-10-11 09:02:20