Automatska segmentacija kose

diplomski rad

• Naslov (engleski): Automatic Hair Segmentation
• Autor: Josip Žuljević
• Mentor: Igor Sunday Pandžić (mentor)
• Član povjerenstva: Igor Sunday Pandžić (predsjednik povjerenstva)
• Član povjerenstva: Lea Skorin-Kapov (član povjerenstva)
• Član povjerenstva: Mirko Sužnjević (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2018-07-10, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Cilj ovog rada je izrada modela za klasifikaciju kose u stvarnom vremenu. Glavno
sredstvo kreiranja dubokih neuronskih mreža bio je jezik Python te dodatak PyTorch.
Navedena je teorijska pozadina modela DenseNet i Tiny DarkNet temeljenih na
konvolucijskim neuronskim mrežama te pripadajući implementacijski detalji.
Prikazani su podaci za trening kao i njihova priprema te utjecaj istih na robusnot
podataka. Takod̄er napravljena je usporedba treniranih modela koji se razlikuju po
hiperparametrima.
Najbolji rezultati su pokazali kako je moguće ostvariti vrlo
efikasno i brzo rješenje koje ispunjava uvjete pokretanja na mobilnim ured̄ajima.

Sažetak (engleski)

The aim of this paper is to create a model for hair classification in real time. The
main tool for creating deep neural networks was the Python language and the PyTorch
plugin. The theoretical background of the DenseNet and Tiny DarkNet models based
on the convolution neural network were described as well as the related
implementation details. The data is presented for training as well as their preparation
and their influence on the robust of data. Also a comparison of trained models
differing in hyperparameters were presented. The best results have shown that it is
possible to achieve a very efficient and fast solution that meets mobile start-up
conditions.

• Ključne riječi: Duboko učenje; konvolucijske neuronske mreže; segmentacija
• Ključne riječi (engleski): Deep learning; convolutional neural networks; segmentation
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:541168
• 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: 2019-03-14 02:28:24