prikaz prve stranice dokumenta Usporedba različitih modela dubokih neuronskih mreža za detekciju rana
  Preuzmi
PDF 2.43 MB
završni rad
Usporedba različitih modela dubokih neuronskih mreža za detekciju rana
2023. urn:nbn:hr:200:383409
Grčić, Nives
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za računalno inženjerstvo i automatiku
Katedra za automatiku i robotiku

Citirajte ovaj rad

Grčić, N. (2023). Usporedba različitih modela dubokih neuronskih mreža za detekciju rana (Završni rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:200:383409

Grčić, Nives. "Usporedba različitih modela dubokih neuronskih mreža za detekciju rana." Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2023. https://urn.nsk.hr/urn:nbn:hr:200:383409

Grčić, Nives. "Usporedba različitih modela dubokih neuronskih mreža za detekciju rana." Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2023. https://urn.nsk.hr/urn:nbn:hr:200:383409

Grčić, N. (2023). 'Usporedba različitih modela dubokih neuronskih mreža za detekciju rana', Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 21.11.2024., https://urn.nsk.hr/urn:nbn:hr:200:383409

Grčić N. Usporedba različitih modela dubokih neuronskih mreža za detekciju rana [Završni rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2023 [pristupljeno 21.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:383409

N. Grčić, "Usporedba različitih modela dubokih neuronskih mreža za detekciju rana", Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:383409

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:383409
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovUsporedba različitih modela dubokih neuronskih mreža za detekciju rana
Naslov (engleski)Comparison of deep neural network models for wound detection
AutorNives Grčić
MentorEmmanuel Karlo Nyarko (mentor)
Član povjerenstvaGoran Martinović (predsjednik povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
(Zavod za računalno inženjerstvo i automatiku)
(Katedra za automatiku i robotiku)
Osijek
Datum i država obrane2023-09-08, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
Završni rad prikazuje proces primjene modela dubokog učenja na nove podatke. Obrađuju se osnovni principi dubokog učenja te njihova primjena na duboke neuronske mreže. Nadalje, detaljno je opisana arhitektura konvolucijskih neuronskih mreža te pobliže opisana arhitektura dvije konvolucijske neuronske mreže kojima se rad bavi: U-Net i Attention U-Net. Usporedeni su navedeni modeli te evaluirani uporabom DICE koeficijenta. U završnom su radu navedeni prednosti, nedostatci te rezultati usporedbe navedenih modela na augmentiranom skupu podataka na kojem mreže nisu izvorno razvijane.
Sažetak (engleski)
The final thesis presents the process of applying deep learning models to new data. It covers the basic principles of deep learning and their application to deep neural networks. Furthermore, it provides a detailed description of the architecture of convolutional neural networks and specifically describes the architecture of two convolutional neural networks addressed in the thesis: U-Net and Attention U-Net. These models are compared and evaluated using the DICE coefficient. The thesis discusses the advantages, disadvantages, and results of comparing these models on an augmented dataset on which the networks were not originally developed.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:383409
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: prijediplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ. bacc. ing. comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2023-10-20 08:21:54