| | SLO | ENG | Cookies and privacy

Bigger font | Smaller font

Search the digital library catalog Help

Query: search in
search in
search in
search in
* old and bologna study programme

Options:
  Reset


1 - 2 / 2
First pagePrevious page1Next pageLast page
1.
Preslikava stila satelitskih posnetkov s pomočjo generativnih nasprotniških nevronskih mrež : magistrsko delo
Mitja Lakič, 2023, master's thesis

Abstract: V magistrskem delu raziskujemo problematiko preslikave stila satelitskih posnetkov z uporabo generativnih nasprotniških nevronskih mrež (GAN). Najprej predstavimo osnovno strukturo nevronskih mrež, nato podrobneje opišemo generativne modele. Namen magistrskega dela je preveriti učinkovitost teh modelov pri preslikavi satelitskih posnetkov v stil zemljevida, kjer primerjamo dva različna GAN modela, in sicer Pix2Pix, ki spada med pogojne modele, in CycleGAN, ki je predstavnik cikličnih modelov. V okviru eksperimenta primerjamo pridobljene rezultate z uporabo teh modelov, kjer smo tudi preizkusili preslikavo v obratni smeri, torej iz zemljevida v stil satelitskega posnetka. Rezultati so pokazali, da je mogoče satelitske posnetke uspešno preslikati v stil zemljevida, kjer pogojni modeli na splošno zagotavljajo boljše rezultate, vendar so zelo odvisni od arhitekture omrežja. Magistrsko delo zaključimo z analizo rezultatov in odgovori na raziskovalna vprašanja.
Keywords: generativne nasprotniške mreže, globoko učenje, preslikava stila, satelitski posnetki, zemljevidi
Published in DKUM: 28.03.2023; Views: 494; Downloads: 90
.pdf Full text (5,49 MB)

2.
Prepoznava divjih živali na slikah z uporabo rezidualnih nevronskih mrež : diplomsko delo
Mitja Lakič, 2020, undergraduate thesis

Abstract: V diplomskem delu se ukvarjamo s prepoznavanjem divjih živali na slikah z uporabo rezidualnih nevronskih mrež. Namen diplomskega dela je predstaviti rezidualne nevronske mreže in probleme, ki jih te mreže rešujejo. Pri prepoznavanju živali smo se omejili na 10 različnih kategorij divjih živali, podatkovna množica pa je bila sestavljena iz 10.000 slik. Rešitev smo razvili s pomočjo programskega jezika Python in programske knjižnice PyTorch. Primerjali smo rezultate treh različnih modelov nevronskih mrež, kjer je najboljši model dosegel 99,9-% točnost prepoznavanja. Ugotovili smo, da rezidualne nevronske mreže z uporabo preskočnih povezav zelo ugodno vplivajo na točnost modela, pri tem pa se najbolje izkažejo modeli, ki so bili predhodno naučeni.
Keywords: rezidualna nevronska mreža, računalniški vid, prepoznavanje divjih živali, globoko učenje, izginjajoči gradient
Published in DKUM: 03.11.2020; Views: 776; Downloads: 102
.pdf Full text (2,67 MB)

Search done in 0.06 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica