Metoda za procjenu dubine scene temeljena na dubokom učenju

diplomski rad

• Naslov (engleski): Scene Depth Estimation Method Based on Deep Learning
• Autor: Matej Veić
• Mentor: Sven Lončarić (mentor)
• Član povjerenstva: Sven Lončarić (predsjednik povjerenstva)
• Član povjerenstva: Marko Subašić (član povjerenstva)
• Član povjerenstva: Tomislav Petković (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-07-07, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Procjena dubine na slici važan je problem računalnog vida koji se obično rješava korištenjem stereo vida. Problem je također moguće riješiti korištenjem samo jedne slike scene. Rad istražuje nekoliko različitih modela za procjenu dubine na temelju jedne slike. To su redom U-Net, ResNet, DenseNet i EfficientNet. Performanse modela ispitane su na dva skupa podataka te su detaljno dokumentirani rezultati.

Sažetak (engleski)

Depth estimation on images is an importan computer vision task. It is usually being solved using stereo cameras. However, it is possible to estimate depth of a scene using only a single image. This thesis explores a couple of common models used for monocular depth estimation. Those are: U-Net, ResNet, DenseNet and EfficientNet. Performances of those models were examined on two separate datasets and results were documented in detail.

• Ključne riječi: neuronske mreže; duboko učenje; procjena dubine; ResNet; EfficientNet; DenseNet; U-Net; monokularna procjena dubine
• Ključne riječi (engleski): neural networks; deep learning; depth estimation; ResNet; EfficientNet; DenseNet; U-Net; monocular depth estimation
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:678371
• 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: 2023-01-14 10:11:30