| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Primerjava modernih konvolucijskih nevronskih mrež na problemu segmentiranja slik : diplomsko delo
Avtorji:ID Dukarić, Ivana (Avtor)
ID Potočnik, Božidar (Mentor) Več o mentorju... Novo okno
Datoteke:.pdf UN_Dukaric_Ivana_2024.pdf (3,19 MB)
MD5: F36F3EB22353DA2A6EF38EFC78EEA364
 
Jezik:Slovenski jezik
Vrsta gradiva:Diplomsko delo/naloga
Tipologija:2.11 - Diplomsko delo
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:V diplomskem delu smo preučevali in analizirali rezultate arhitektur konvolucijskih nevronskih mrež na problemu binarne segmentacije. V teoretičnem delu smo preučili arhitekture konvolucijskih nevronskih mrež SegFormer, DeepLapV3+, Gated-SCNN, Segmenter, FastFCN in TopFormer. V praktičnem delu diplomskega dela smo mreže SegFormer, Segmenter, FastFCN in TopFormer učili segmentirati slike na podatkovnih množicah Cityscapes in ADE20K. Mreže smo učili binarne segmentacije vozil. Mrežo SegFormer smo še dodatno učili na problemu binarnega segmentiranja ljudi. Dobljene rezultate smo analizirali in jih ovrednotili z evalvacijskimi metrikami. Za ocenjevanje uspešnosti smo uporabili metrike točnost, priklic, natančnost, IoU in F1 oceno. Najboljše rezultate za problem binarnega segmentiranja vozil smo dobili s pomočjo mreže SegFormer na podatkovni zbirki Cityscapes. Na podatkovni zbirki ADE20K smo za enak problem segmentacije dobili najboljše rezultate za mrežo Segmenter. Najslabše sta se izkazali mreža TopFormer na podatkovni zbirki Cityscapes in mreža FastFCN na podatkovni zbirki ADE20K.
Ključne besede:binarna segmentacija, konvolucijske nevronske mreže, primerjava mrež, evalvacijske metrike, računalniški vid
Kraj izida:Maribor
Kraj izvedbe:Maribor
Založnik:[I. Dukarić]
Leto izida:2024
Št. strani:1 spletni vir (1 datoteka PDF (XI, 52 f.))
PID:20.500.12556/DKUM-87741 Novo okno
UDK:004.032.26:004.932(043.2)
COBISS.SI-ID:195250691 Novo okno
Datum objave v DKUM:26.04.2024
Število ogledov:305
Število prenosov:60
Metapodatki:XML RDF-CHPDL DC-XML DC-RDF
Področja:KTFMB - FERI
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share


Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:27.03.2024

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Comparison of modern convolutional neural networks for image segmentation
Opis:In the thesis we studied and analysed the results of convolutional neural network architectures on the problem of binary segmentation. In the theoretical part we studied the architectures of convolutional neural networks SegFormer, DeepLapV3+, Gated-SCNN, Segmenter, FastFCN, and TopFormer. In the practical part of the thesis we trained the SegFormer, Segmenter, FastFCN and TopFormer networks to segment images on the Cityscapes and ADE20K datasets. We trained the network for binary segmentation. Additionally we trained the SegFormer network on the problem of binary human segmentation. The obtained results were analysed and evaluated using evaluation metrics. We used the metrics accuracy, recall, precision, IoU and F1 score to evaluate performance. The best results for the binary vehicle segmentation problem were obtained using the SegFormer network on the Cityscapes database. On the ADE20K database we obtained the best results for the Segmenter network for the same segmentation problem. The TopFormer network performed the worst on the Cityscapes dataset, while the FastFCN network performed the worst on the ADE20K dataset.
Ključne besede:binary segmentation, convolutional neural networks, network comparison, evaluation metrics, computer vision


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici