|
|
|
|
LEADER |
02002na a2200229 4500 |
003 |
HR-ZaFER |
008 |
160221s2019 ci ||||| m||| 00| 0 hr d |
035 |
|
|
|a (HR-ZaFER)ferid7305
|
040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
100 |
1 |
|
|a Oreč, Filip
|9 40724
|
245 |
1 |
0 |
|a Konvolucijski modeli za jednooku predikciju dubine scene :
|b završni rad /
|c Filip Oreč ; [mentor Siniša Šegvić].
|
246 |
1 |
|
|a Convolutional Models for Monocular Depth Prediction
|i Naslov na engleskom:
|
260 |
|
|
|a Zagreb,
|b F. Oreč,
|c 2019.
|
300 |
|
|
|a 27 str. ;
|c 30 cm +
|e CD-ROM
|
502 |
|
|
|b preddiplomski studij
|c Fakultet elektrotehnike i računarstva u Zagrebu
|g smjer: Računarska znanost, šifra smjera: 41, datum predaje: 2019-06-14, datum završetka: 2019-09-10
|
520 |
3 |
|
|a Sažetak na hrvatskom: Rad opisuje općenito neuronske mreže, a posebno konvolucijske neuronske mreže.
Opisan je način učenja neuronske mreže algoritmom gradijentnog spusta. U radu se
također opisuju rezidualne neuronske mreže. Programski je implementiran i evaluiran
konvolucijski model za jednooku predikciju dubine scene koji se temelji na konkret-
noj implementaciji rezidualnih neuronskih mreža, ResNet50. Na kraju su prikazani
rezultati.
|
520 |
3 |
|
|a Sažetak na engleskom: Paper desribes generally neural networks, especially the convolutional neural networks.
The neural network learning method by gradient descent algorithm is described. This
paper also also describes residual neuronal networks. Convolutional model for mo-
nocular depth prediction that is based on concrete implementation of resiudal neural
network, ResNet50, is implemented and evaluated. Lastly, the results are presented.
|
653 |
|
1 |
|a neuronske mreže
|a konvolucijske neuronske mreže
|a rezidualne neuronske mreže
|a ResNet
|a jednooka predikcija dubine scene
|
653 |
|
1 |
|a neural networks
|a convolutional neural networks
|a residual neural networks
|a ResNet
|a monocular depth estimation
|
700 |
1 |
|
|a Šegvić, Siniša
|4 ths
|9 18165
|
942 |
|
|
|c Z
|
999 |
|
|
|c 51437
|d 51437
|