|
|
|
|
| LEADER |
02547na a2200229 4500 |
| 003 |
HR-ZaFER |
| 008 |
160221s2018 ci ||||| m||| 00| 0 hr d |
| 035 |
|
|
|a (HR-ZaFER)ferid5403
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 100 |
1 |
|
|a Šarić, Josip
|
| 245 |
1 |
0 |
|a Procjenjivanje nesigurnosti predikcija diskriminativnih konvolucijskih modela primjenom suparničkog učenja :
|b diplomski rad /
|c Josip Šarić ; [mentor Siniša Šegvić].
|
| 246 |
1 |
|
|a Estimating prediction uncertainty of discriminative convolutional models with adversarial learning
|i Naslov na engleskom:
|
| 260 |
|
|
|a Zagreb,
|b J. Šarić,
|c 2018.
|
| 300 |
|
|
|a 46 str. ;
|c 30 cm +
|e CD-ROM
|
| 502 |
|
|
|b diplomski studij
|c Fakultet elektrotehnike i računarstva u Zagrebu
|g smjer: Računarska znanost, šifra smjera: 56, datum predaje: 2018-06-29, datum završetka: 2018-07-19
|
| 520 |
3 |
|
|a Sažetak na hrvatskom: Procjena nesigurnosti predikcija važna je osobina sustava dubokog učenja. U ovome radu dan je pregled postojećih postupaka za procjenu nesigurnosti i predložen je takav postupak zasnovan na suparničkom učenju. Implementiran je model suparničkog učenja kod kojeg je generator model semantičke segmentacije zasnovan na arhitekturi ResNet-50, a diskriminator na svome izlazu daje gustu mapu procjene nesigurnosti predikcija generatora. Pokazan je utjecaj suparničkog gubitka na performanse modela u zadatku semantičke segmentacije. Uspoređene su i evaluirane procjene nesigurnosti funkcijom softmax i kao izlaz diskriminatora u suparničkom učenju.
|
| 520 |
3 |
|
|a Sažetak na engleskom: Estimating prediction uncertainty is important component of deep learning systems. In this thesis, an overview of existing methods for uncertainty estimation is given and one based on adversarial learning is proposed. Adversarial learning model is implemented in which generator is semantic segmentation model based on ResNet-50 architecture and discriminators output is uncertainty estimation map at pixel level of generators predictions. An impact of adversarial loss on performances of semantic segmentation model was shown. Uncertainty estimation using softmax function and discriminators output in adversarial learning were compared and evaluated.
|
| 653 |
|
1 |
|a duboko učenje
|a semantička segmentacija
|a procjena nesigurnosti
|a duboki konvolucijski modeli
|a suparničko učenje
|
| 653 |
|
1 |
|a deep learning
|a semantic segmentation
|a uncertainty estimation
|a deep convolutional models
|a adversarial learning
|
| 700 |
1 |
|
|a Šegvić, Siniša
|4 ths
|
| 942 |
|
|
|c Y
|
| 999 |
|
|
|c 50208
|d 50208
|