Primjena maskirajućih autoenkodera za semantičku segmentaciju

diplomski rad

• Naslov (engleski): Application of masked autoencoders for semantic segmentation
• Autor: Luka Merćep
• Mentor: Siniša Šegvić (mentor)
• Član povjerenstva: Siniša Šegvić (predsjednik povjerenstva)
• Član povjerenstva: Marko Čupić (član povjerenstva)
• Član povjerenstva: Tomislav Hrkać (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2023-07-11, Hrvatska

Sažetak

Detekcija anomalija područje je istraživanja sa primjenama u brojnim područjima. Modeli bazirani na transformerima trenutno su stanje tehnike u području obrade prirodnog jezika. Ovaj rad u detekciji anomalija koristi model maskirnog autoenkodera koji je baziran na arhitekturi vizualnog transformera. Vizualni transformer je model s minimalnim izmjenama nad arhitekturom modela za primjene transformera na slikama. U ovom radu korišten je skup podataka, za detekciju anomalija u industrijskim procesima, MVTec AD za učenje i evaluaciju modela. Cilj rada bio je ispitati efikasnost modela baziranog na arhitekturi maskirnog autoenkodera u području detekcije anomalija.

Sažetak (engleski)

Anomaly detection is a field of research with applications in numerous areas. Models based on transformers are the current state of the art in the field of natural language processing. This work in anomaly detection uses the masked autoencoder model, which is based on the visual transformer architecture. The visual transformer is a model with minimal changes to the model architecture for transformer applications in images. In this work, a set of data, for the detection of anomalies in industrial processes, MVTec AD was used for model learning and evaluation. The aim of the work was to examine the effectiveness of the model based on the masked autoencoder architecture in the area of anomaly detection.

• Ključne riječi: duboko učenje; detekcija anomalija; vizualni transformer; maskirni autoenkoder; industrijski procesi
• Ključne riječi (engleski): deep learning; anomaly detection; visual transformer; masked autoencoder; industrial processes
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:211716
• 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 09:48:12