Semantička segmentacija s dvosmjernom piramidom značajki

završni rad

• Naslov (engleski): Semantic segmentation with a bidirectional feature pyramid
• Autor: Jakov Rukavina
• Mentor: Siniša Šegvić (mentor)
• Član povjerenstva: Siniša Šegvić (predsjednik povjerenstva)
• Član povjerenstva: Josip Šarić (član povjerenstva)
• Član povjerenstva: Ivan Grubišić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2021-07-08, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Rad opisuje elementarne postupke korištene u dubokom učenju s naglaskom na konvoluciju. Ističe se rast popularnosti računalnog vida kao područja umjetne inteligencije koje se uspješno koristi dubokim neuronskim mrežama. Kao jedna on težih zadaća računalnog vida navodi se segmentacija, a rad se bavi granom ovog polja zvanom semantička segmentacija. Opisuje se model s dvosmjernom piramidom značajki koji uvodi mnoge preinake u već poznati piramidalni model koji uspješno rješava zadaću segmentacije. Opisani model - BPNet - ne koristi predtrenirni model na drugim skupovima podataka. Također, model se koristi dvosmjernim tokovima informacija između poduzorkovanih značajki i značajki visoke rezolucije te za kombiniranje značajki koristi vrlo uspješan, ali i efikasan pristup. Ispituje se uspješnost i brzina modela na skupu slika Cityscapes koji se sastoji od slika
uličnih scena što nam je zanimljivo zbog mogućnosti korištenja ovakvih modela u sustavima za autonomnu vožnju. Konačno, BPNet se uspoređuje s još jednom piramidalnom arhitekturom - SwiftNetom.

Sažetak (engleski)

This paper describes elementary procedures used in deep learning with an emphasis on convolution. It highlights the rise in popularity of computer vision as an area of artificial intelligence that successfully uses deep neural networks. Segmentation is cited as one of the more difficult tasks of computer vision, and the paper describes a type of this field called semantic segmentation. A bidirectional feature pyramid model is described, which introduces many modifications to the already known pyramid model that successfully solves the task of segmentation. The described model - BPNet - does not use a feature extractor pretrained on other datasets. Also, this model uses bidirectional flow of information between low and high resolution features and a very successful, but also efficient, approach to feature fusion. Speed and accuracy are tested on Cityscapes image set consisting of images recoreded in street scenes. This use case interests us because of the possibility of using such models in autonomous driving. Finally, BPNet is compared with another pyramidal architecture - SwiftNet.

• Ključne riječi: BPNet; SwiftNet; semantička segmentacija; računalni vid; duboko učenje; umjetna inteligencija; Cityscapes; dvosmjerna piramida značajki
• Ključne riječi (engleski): BPNet; SwiftNet; semantic segmentation; computer vision; deep learning; artificial intelligence; Cityscapes; bidirectional feature pyramid
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:737370
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-14 09:51:49