Učenje dubokih korespondencijskih metrika trojnim gubitkom

diplomski rad

• Naslov (engleski): Learning deep correspondence metrics with triplet loss
• Autor: Marin Kostelac
• Mentor: Siniša Šegvić (mentor)
• Član povjerenstva: Siniša Šegvić (predsjednik povjerenstva)
• Član povjerenstva: Jan Šnajder (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: 2018-07-19, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Stereoskopska rekonstrukcija je bitno polje računalnog vida. Najbitniji dio problema je pronalazak korespondentnih piksela u dvjema slikama iste scene. To je moguće ostvariti koristeći korespondencijske metrike. Pri učenju korespondencijskih metrika od velike pomoći je trojni gubitak. Definiranjem odnosa med̄u podacima moguće je naučiti metriku koja olakšava pronalazak korespondentnih piksela. U okviru rada opisan je problem stereoskopske rekonstrukcije i primjena korespondencijskih metrika i trojnog gubitka na njega. Opisan je i testiran model za rješavanje opisanog problema.

Sažetak (engleski)

Stereoscopic reconstruction is an important field in computer vision. The most important part of the problem is finding the corresponding pixels in two images of the same scene. It is possible to achieve that using correspondence metrics. Triplet loss is a big help in training correspondence metrics. By defining the data relations it is possible to train a metric which makes finding corresponding pixels easier. in this thesis, the stereoscopic reconstruction problem is described. Application of correspondence metrics and triplet loss to it are explained. A model for solving the problem is described and tested.

• Ključne riječi: stereoskopska rekonstrukcija; korespondencijske metrike; trojni gubitak; konvolucijske mreže
• Ključne riječi (engleski): stereoscopic reconstruction; correspondence metrics; triplet loss; convolutional networks
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:039533
• 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: 2019-03-13 21:45:09