1. Učenje redkih nevronskih mrež z iterativnim rezanjem parametrovNejc Podvratnik, 2025, magistrsko delo Opis: Moderno globoko učenje pogosto vključuje nevronske mreže, ki imajo nepotrebno veliko število parametrov oziroma povezav. Posledica tega je višja časovna in prostorska zahtevnost pri delu z mrežami. Možna rešitev problema je hipoteza loterijskih srečk, ki pravi, da v množici povezav vsake naprej povezane nevronske mreže obstaja podmnožica, ki je manjša in ohranja enako in v nekaterih primerih tudi večjo uspešnost. Imenujemo jo zmagovita srečka. V magistrskem delu je predstavljena in dokazana hipoteza loterijske srečke ter implementiran lasten algoritem za iterativno rezanje parametrov, ki je bil testiran in analiziran na različnih arhitekturah, podatkovnih zbirkah in hiperparametrih.
Ključne besede: strojno učenje, redka nevronska mreža, hipoteza loterijskih srečk, rezanje
Objavljeno v DKUM: 04.03.2025; Ogledov: 0; Prenosov: 33
 Celotno besedilo (2,88 MB) |
2. Region segmentation of images based on a raster-scan paradigmLuka Lukač, Andrej Nerat, Damjan Strnad, Štefan Horvat, Borut Žalik, 2024, izvirni znanstveni članek Opis: This paper introduces a new method for the region segmentation of images. The approach is based on the raster-scan paradigm and builds the segments incrementally. The pixels are processed in the raster-scan order, while the construction of the segments is based on a distance metric in regard to the already segmented pixels in the neighbourhood. The segmentation procedure operates in linear time according to the total number of pixels. The proposed method, named the RSM (raster-scan segmentation method), was tested on selected images from the popular benchmark datasets MS COCO and DIV2K. The experimental results indicate that our method successfully extracts regions with similar pixel values. Furthermore, a comparison with two of the well-known segmentation methods—Watershed and DBSCAN—demonstrates that the proposed approach is superior in regard to efficiency while yielding visually similar results.
Ključne besede: segment, image analysis, distance metric, Watershed, DBSCAN
Objavljeno v DKUM: 05.12.2024; Ogledov: 0; Prenosov: 4
 Povezava na datoteko |
3. Detection and Monitoring of Woody Vegetation Landscape Features Using Periodic Aerial PhotographyDamjan Strnad, Štefan Horvat, Domen Mongus, Danijel Ivajnšič, Štefan Kohek, 2023, izvirni znanstveni članek Ključne besede: woody vegetation landscape features, change detection, segmentation neural network, cyclic aerial photography, digital orthophoto
Objavljeno v DKUM: 23.05.2024; Ogledov: 196; Prenosov: 24
Celotno besedilo (6,12 MB)
Gradivo ima več datotek! Več... |
4. Napovedovanje dinamike plazu urbas z modeli časovnih vrst in strojnim učenjemŠtefan Horvat, 2022, magistrsko delo Opis: Plazovi lahko resno ogrozijo človeška življenja in povzročijo ogromno gmotno škodo. Na dinamiko plazu običajno vpliva večje število zunanjih dejavnikov, zato je napovedovanje premikov težka naloga. V sodobnem času lahko premike plazov podrobno spremljamo z natančnimi merilnimi instrumenti in tako tvorimo množico podatkov, na podlagi katere gradimo razlagalne in napovedne modele. V magistrskem delu preizkušamo različne tehnike modeliranja premikov plazu Urbas, ki spada med bolj aktivne plazove v Sloveniji. Za modeliranje dinamike plazu uporabimo modele časovnih vrst in nevronsko mrežo z dolgim kratkoročnim spominom. Najboljše prileganje je dosegla nevronska mreža z dolgin kratkoročnim spominom, katere srednja kvadratna napaka je znašala 3,37 mm. Pri napovedovanju premikov se je najbolje odrezal linearni regresijski model s srednjo kvadratno napako 0,52 mm.
Ključne besede: plaz, časovne vrste, linearna regresija, dinamična regresija, nevron-ske mreže LSTM
Objavljeno v DKUM: 15.12.2022; Ogledov: 942; Prenosov: 162
Celotno besedilo (4,33 MB) |
5. |
