prikaz prve stranice dokumenta Primjena duboke neuronske mreže u raspoznavanju objekata
  Preuzmi
PDF 1.34 MB
diplomski rad
Primjena duboke neuronske mreže u raspoznavanju objekata
2019. urn:nbn:hr:200:541648
Žalac, Josip
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

Žalac, J. (2019). Primjena duboke neuronske mreže u raspoznavanju objekata (Diplomski rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:200:541648

Žalac, Josip. "Primjena duboke neuronske mreže u raspoznavanju objekata." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2019. https://urn.nsk.hr/urn:nbn:hr:200:541648

Žalac, Josip. "Primjena duboke neuronske mreže u raspoznavanju objekata." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2019. https://urn.nsk.hr/urn:nbn:hr:200:541648

Žalac, J. (2019). 'Primjena duboke neuronske mreže u raspoznavanju objekata', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 17.11.2024., https://urn.nsk.hr/urn:nbn:hr:200:541648

Žalac J. Primjena duboke neuronske mreže u raspoznavanju objekata [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2019 [pristupljeno 17.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:541648

J. Žalac, "Primjena duboke neuronske mreže u raspoznavanju objekata", Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2019. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:541648

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:541648
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovPrimjena duboke neuronske mreže u raspoznavanju objekata
Naslov (engleski)Implementation of deep neural networks in object recognition
AutorJosip Žalac
MentorEmmanuel Karlo Nyarko (mentor)
Član povjerenstvaEmmanuel Karlo Nyarko (predsjednik povjerenstva)
Član povjerenstvaDamir Filko (član povjerenstva)
Član povjerenstvaPetra Đurović (član 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 obrane2019-10-15, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
U ovom radu opisane su arhitekture i način rada konvolucijskih neuronskih mreža te je detaljno objašnjena zadaća svakog sloja unutar konvolucijske neuronske mreže. Također, opisana je metoda transfer učenja i načini upotrebljavanja u praksi. Detaljno je prikazana arhitektura i način rada modela upotrebljavanih za transfer učenje, te njihova implementacija i testiranje na skupu podataka dviju klasa. Obavljeno je učenje vlastitiog modela te na temelju rezultata, najbolji model se upotrebljavao za daljnje podešavanje da se dobije što veća preciznost predikcije. Model je također testiran na skupu podataka te su rezultati uspoređeni
Sažetak (engleski)
In this master thesis, an architecture and the way convolutional neural networks work are described in detail. Also, each layer of Convolutional neuaal network and it's task within network is shown. Aside from that, method of Transfer learning is introduced, and it's usage in practice. Description of one of the covered methods and it's implementation is shown on datasets used throughout this thesis, containing two classes. Also, training of our own models is shown with variety of architectures using the same dataset. Model with best performanse was later used to fine-tune and to try different optimizing algorithms. After fine-tuning, results were compared to pre-trained models
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:541648
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2019-11-14 12:05:10