Semantička segmentacija harmoničkim gusto povezanim modelima

završni rad

• Naslov (engleski): Semantic segmentation with harmonic densely connected models
• Autor: Anja Delić
• Mentor: Siniša Šegvić (mentor)
• Član povjerenstva: Siniša Šegvić (predsjednik povjerenstva)
• Član povjerenstva: Petra Bevandić (član povjerenstva)
• Član povjerenstva: Josip Šarić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2021-07-09, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Jedan od mnogih zanimljivih zadataka računalnog vida je semantička segmentacija. Modeli s gusto povezanim konvolucijskim slojevima postižu vrlo dobre rezultate, a u posljednje vrijeme pojavila su se poboljšanja koja pažljivim povezivanjem konvolucijskih slojeva nastoje smanjiti broj memorijskih zahtjevnih operacija tijekom učenja i testiranja bez smanjenja točnosti modela. U ovom radu predstavljene su harmoničke gusto povezane konvolucijske mreže te je provedeno učenje i evaluacija modela FCHarDNet70, jedne konkretne implementacije harmoničkog gusto povezanog modela. Rezultati su prikazani i objašnjeni na kraju rada. Dodatno, ukratko su opisane osnove dubokog učenja i konvolucijskih mreža. Opisan je i postupak učenja, korišteni skupovi podataka, detalji programske implementacije i korištene biblioteke.

Sažetak (engleski)

One of the many interesting tasks of computer vision is semantic segmentation. Models with densely connected convolutional layers achieve very good results, and recently there have been improvements that, by carefully connecting convolutional layers, seek to reduce the number of memory-demanding operations during learning and testing without reducing model accuracy. In this paper, harmonic densely connected convolutional networks are presented and the learning and evaluation of the FCHarDNet70 model, a specific implementation of a harmonic densely connected model, is performed. The results are presented and explained at the end of the paper. Additionally, the basics of deep learning and convolutional networks are briefly described. The learning process, used data sets, details of program implementation and used libraries are also described.

• Ključne riječi: računalni vid; semantička segmentacija; konvolucijske neuronske mreže; harmonički gusto povezani modeli
• Ključne riječi (engleski): computer vision; semantic segmentation; convolutional neural networks; harmonic densley connected models
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:033039
• 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 20:17:27