|
|
|
|
| LEADER |
03576na a2200241 4500 |
| 003 |
HR-ZaFER |
| 005 |
20190619104615.0 |
| 008 |
160221s2016 ci ||||| m||| 00| 0 hr d |
| 035 |
|
|
|a (HR-ZaFER)ferid3804
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 100 |
1 |
|
|a Gatjal, Josip
|9 39721
|
| 245 |
1 |
0 |
|a Interaktivno okruženje za semantičku segmentaciju slika :
|b završni rad /
|c Josip Gatjal ; [mentor Siniša Šegvić].
|
| 246 |
1 |
|
|a An Interactive framework for Semantic Image Segmentation
|i Naslov na engleskom:
|
| 260 |
|
|
|a Zagreb,
|b J. Gatjal,
|c 2016.
|
| 300 |
|
|
|a 28 str. ;
|c 30 cm +
|e CD-ROM
|
| 502 |
|
|
|b preddiplomski studij
|c Fakultet elektrotehnike i računarstva u Zagrebu
|g smjer: Programsko inženjerstvo i informacijski sustavi, šifra smjera: 39, datum predaje: 2016-06-17, datum završetka: 2016-07-11
|
| 520 |
3 |
|
|a Sažetak na hrvatskom: Semantička segmentacija prirodnih scena je neriješen problem računalnog vida s mnogim zanimljivim primjenama. Posebno su zanimljivi strogo nadzirani pristupi kod kojih je svaki odabir skupa za učenje označen pripadnim semantičkim razredom. Razmatran je poseban oblik takvih pristupa u kojem se iterativno provodi interaktivno označavanje slike i učenje modela, sve do postizanja željene subjektivne točnosti na razini cijele slike. Za učenje modela zaslužne su duboke konvolucijske neuronske mreže koje se
tek nedavno počinju intenzivnije proučavati i ispitivati. Kao takve, podložne su mnogim promjenama i poboljšanjima što u konačnici može dovesti do boljih i konkretnijih rezultata učenja mreže u budućnosti. Grafičko sučelje aplikacije omogućuje korisniku laku i intuitivnu obradu željenih slika. Računalni vid iako već dosta istraženo područje nastavlja evoluirati te se konstanto pronalaze nove ideje s kojima se želi iskoristiti maksimalni potencijal ove grane umjetne inteligencije. Grafičko sučelje je upravo jedna od takvih ideja jer ima drugačiji pristup problemu semantičke segmentacije i time otvara nove načine obrade i segmentiranja slika.
|
| 520 |
3 |
|
|a Sažetak na engleskom: Semantic segmentation of natural scenes is an unsolved problem of computer vision with a lot of interesting applications. Of particular interest are strictly controlled approaches in which each selected set of learning is marked with the corresponding semantic class. Special form of such an approach is considered, in which we iteratively carried out interactive labeling and learning of model image, until the desired accuracy of the subjective-wide pictures is achieved. For learning the model we use deep convolution neural networks that are only recently intensively studied and examined. As such, they are subject to much changes and improvements which can ultimately lead to better and more concrete results of learning networks in the future. The graphical interface allows the user application easy and intuitive handling of the desired image. Computer vision, although already quite explored area, continues to evolve and constantly find new ideas that take advantage of maximum potential of this branch of artificial intelligence. The graphical interface is just one of such ideas because it has a different approach to the problem of semantic segmentation and thus opens new ways of processing and segmentation of images.
|
| 653 |
|
1 |
|a semantička segmentacija
|a neruonske mreže
|a grafičko sučelje
|a python
|a tkinter
|
| 653 |
|
1 |
|a semantic segmentation
|a neural network
|a graphical interface
|a python
|a tkinter
|
| 700 |
1 |
|
|a Šegvić, Siniša
|4 ths
|9 18165
|
| 942 |
|
|
|c Z
|2 udc
|
| 999 |
|
|
|c 48588
|d 48588
|