Semantička segmentacija osoba dubokim konvolucijskim modelom

diplomski rad

• Naslov (engleski): Semantic Segmentation of Humans Using a Deep Convolutional Model
• Autor: Elena Vukelić
• Mentor: Marin Šilić (mentor)
• Član povjerenstva: Marin Šilić (predsjednik povjerenstva)
• Član povjerenstva: Klemo Vladimir (član povjerenstva)
• Član povjerenstva: Goran Delač (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-07-01, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Zadatak semantičke segmentacije podjela je objekta na prepoznatljive dijelove (segmente) kako bi se mogli lakše analizirati. U radu je objašnjen temelj razvoja takvih modela te naveden predstavnik koji je osnovni gradivni blok mnogih, a to je konvolucijska neuronska mreža. Nakon toga ulazi se u područje segmentacije, gdje su opisani neki postojeći modeli i njihova poboljšanja. Proveden je eksperiment koji koristi unaprijed trenirani Mask R-CNN model iz Detectron2 platforme. Skup podataka za učenje modela odabran je iz osobne kolekcije autorice, a proces pripreme i označavanja detaljno je opisan. Prikazan je i proces evaluacije, odnosno implementacija prilagođenog IoU evaluatora te dobivena rješenja i analiza rezultata.

Sažetak (engleski)

The task of Semantic Segmentation is to divide an object into recognisable parts (segments) so that they can be analysed more easily. This thesis explains the basis for developing such models and lists the representative as the basic building block of many: the Convolutional Neural Network. Afterwards, one enters the segmentation area, where some existing models and their improvements are described. An experiment using a pre-trained Mask R-CNN model from the Detectron2 platform was conducted. The data set for learning the model was selected from the author's collection, and the process of preparation and labelling is described in detail. The evaluation process is also presented, i.e. the implementation of a customised IoU evaluator, and the obtained solutions and analysis of the results are described.

• Ključne riječi: Duboko učenje; konvolucijska neuronska mreža; semantička segmentacija; segmentacija osoba; Detectron2; Mask R-CNN; IoU
• Ključne riječi (engleski): Deep Learning; Convolutional Neural Network; Semantic Segmentation; Segmentation of Humans; Detectron2; Mask R-CNN; IoU
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:469427
• 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 14:15:20