Vrednovanje modela SwiftNet za semantičku segmentaciju

diplomski rad

• Naslov (engleski): Evaluation of the SwiftNet model for semantic segmentation
• Autor: Matija Krivošić
• Mentor: Siniša Šegvić (mentor)
• Član povjerenstva: Siniša Šegvić (predsjednik povjerenstva)
• Član povjerenstva: Slobodan Ribarić (član povjerenstva)
• Član povjerenstva: Vlado Glavinić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2020-07-09, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Semantička segmentacije je težak problem računalnog vida. Zbog svoje primjene u brojnim područjima kao što su automobilska industrija i robotika važno je da se segmentacija izvršava s visokom točnošću i u stvarnom vremenu. Zadatak ovog rada je treniranje i evaluiranje SwiftNet model. Eksperimenti su provedeni na CamVid i Cityscapes skupovima podataka. SwiftNet model je pokazao vrlo dobre rezultate. Postignuti rezultati su prikazani vizualno i numerički.

Sažetak (engleski)

Semantic segmentation is a demanding computer vision problem. Due to its application in a number of areas such as the automotive industry and robotics, it is important that segmentation is performed with high accuracy and in real time. The task of this paper is to train and evaluate the SwiftNet model. Experiments are performed on CamVid and Cityscapes datasets. The SwiftNet model showed very good results. The achieved results are presented visually and numerically.

• Ključne riječi: SwiftNet; ResNet; semantička segmentacija; duboko učenje; CamVid; CitySCapes
• Ključne riječi (engleski): SwiftNet; ResNet; semantic segmentation; deep learning; CamVid; CitySCapes
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:887003
• 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: 2023-01-13 10:13:57