Samonadzirano učenje stereoskopske rekonstrukcije pseudooznačavanjem

diplomski rad

• Naslov (engleski): Self-supervised learning of stereoscopic reconstruction through pseudo-labeling
• Autor: David Kerman
• Mentor: Siniša Šegvić (mentor)
• Član povjerenstva: Siniša Šegvić (predsjednik povjerenstva)
• Član povjerenstva: Alan Jović (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: 2024-07-11, Hrvatska

Sažetak

Ovaj rad uvodi samonadzirani pristup učenju stereoskopske rekonstrukcije pseudooznačavanjem, temeljen na prethodnim radovima. Pružamo pregled temeljnih principa
stereoskopske rekonstrukcije i relevantnih modela dubokog učenja. Rad uključuje detaljan opis samonadziranog učenja pseudooznačavanjem, zajedno s našim inovativnim
tehnikama filtriranja osmišljenim za poboljšanje točnosti pseudooznaka. Nadalje, demonstriramo poboljšanje performansi nadziranog stereoskopskog modela postignuto korištenjem rafiniranih pseudooznaka. Eksperimentalni rezultati su predstavljeni kako bi
se potvrdila učinkovitost našeg pristupa. Identificirani su problemi i predložene modifikacije koje bi poboljšale trenutnu metodu.

Sažetak (engleski)

This work introduces a self-supervised approach to stereoscopic reconstruction through
pseudo-labeling, based on the previous studies. We provide an overview of the fundamental principles of stereoscopic reconstruction and relevant deep learning models.
The methodology includes a detailed description of self-supervised learning via pseudo-
labeling, along with our innovative filtering techniques designed to enhance the accuracy of pseudo-labels. We demonstrate the performance improvements in the supervised
stereo model achieved using these refined pseudo-labels. Experimental results are presented to validate the effectiveness of our approach. Finally, we identified problems with
the current method and proposed changes which could potentially improve model accuracy.

• Ključne riječi: stereoskopska rekonstrukcija; duboko učenje; samonadzirano učenje; računalni vid; pseudooznačavanje
• Ključne riječi (engleski): stereoscopic reconstruction; deep learning; self-supervised learning; com- puter vision; pseudo-labeling
• Jezik: engleski
• URN:NBN: urn:nbn:hr:168:969377
• 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: 2024-10-12 21:03:14