Klasifikacija biljnih vrsta iz slika biljaka temeljena na dubokom učenju

diplomski rad

• Naslov (engleski): Classification of plant species from plant images based on deep learning
• Autor: Marija Tišljar
• Mentor: Alan Jović (mentor)
• Član povjerenstva: Alan Jović (predsjednik povjerenstva)
• Član povjerenstva: Jan Šnajder (član povjerenstva)
• Član povjerenstva: Marko Čupić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2024-02-19, Hrvatska

Sažetak

Učenje modela na skupu podataka sa velikom neuravnoteženosti klasa je izazovan problem. Ovaj rad kroz niz eksperimenata i analizu rezultata dolazi do zaključka da augmentacija podataka igra važnu ulogu u povećanju robusnosti i točnosti modela. Tehnika naduzorkovanja, također se pokazala efikasnom u rješavanju problema neuravnoteženosti klasa, doprinoseći boljem prepoznavanju manje zastupljenih klasa.
Odabrana arhitektura modela, ResNet50, u kombinaciji s augmentacijom i optimizacijom hiperparametara, pokazala se uspješnom u postizanju visoke točnosti klasifikacije, dosegavši klasifikacijsku točnost od približno 81 %, što je usporedivo sa srodnim rezultatima iz literature.
Dodatno, razvoj web aplikacije omogućio je interakciju korisnika s modelom u stvarnom vremenu.

Sažetak (engleski)

Training models on a dataset with significant class imbalance is a challenging problem. This thesis, through a series of experiments and result analysis, concludes that data augmentation plays an important role in enhancing the robustness and accuracy of the model. The technique of oversampling has also proved effective in addressing the problem of class imbalance, contributing to better recognition of less represented classes.
The chosen model architecture, ResNet50, combined with data augmentation and hyperparameter optimization, has been successful in achieving high classification accuracy, reaching accuracy of 81 %, which is comparable to the results of related work.
Furthermore, the development of a web application has enabled real-time user interaction with the model.

• Ključne riječi: augmentacija podataka; neuravnoteženost klasa; klasifikacija slika; duboko učenje; naduzorkovanje; neuronske mreže; PlantNet-300K; ResNet50
• Ključne riječi (engleski): data augmentation; class imbalance; image classification; deep learning; oversampling; neural networks; PlantNet-300K; ResNet50
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:819419
• 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: 2024-03-28 07:55:37