prikaz prve stranice dokumenta Učinkovitost različitih vrsta neuronskih mreža u klasificiranju grafičkih prikaza
  Preuzmi
PDF 1.45 MB
završni rad
Učinkovitost različitih vrsta neuronskih mreža u klasificiranju grafičkih prikaza
2023. urn:nbn:hr:200:514626
Kovačević, David
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za programsko inženjerstvo
Katedra za vizualno računarstvo

Citirajte ovaj rad

Kovačević, D. (2023). Učinkovitost različitih vrsta neuronskih mreža u klasificiranju grafičkih prikaza (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:200:514626

Kovačević, David. "Učinkovitost različitih vrsta neuronskih mreža u klasificiranju grafičkih prikaza." Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2023. https://urn.nsk.hr/urn:nbn:hr:200:514626

Kovačević, David. "Učinkovitost različitih vrsta neuronskih mreža u klasificiranju grafičkih prikaza." Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2023. https://urn.nsk.hr/urn:nbn:hr:200:514626

Kovačević, D. (2023). 'Učinkovitost različitih vrsta neuronskih mreža u klasificiranju grafičkih prikaza', Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 23.04.2024., https://urn.nsk.hr/urn:nbn:hr:200:514626

Kovačević D. Učinkovitost različitih vrsta neuronskih mreža u klasificiranju grafičkih prikaza [Završni rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2023 [pristupljeno 23.04.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:514626

D. Kovačević, "Učinkovitost različitih vrsta neuronskih mreža u klasificiranju grafičkih prikaza", 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:200:514626

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:514626
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovUčinkovitost različitih vrsta neuronskih mreža u klasificiranju grafičkih prikaza
Naslov (engleski)Neural Networks Efficiency in Chart Image Classification
AutorDavid Kovačević
MentorJosip Job (mentor)
Član povjerenstvaJosip Job (predsjednik povjerenstva)
Član povjerenstvaGoran Knežević (član povjerenstva)
Član povjerenstvaIvica Lukić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
(Zavod za programsko inženjerstvo)
(Katedra za vizualno računarstvo)
Osijek
Datum i država obrane2023-06-16, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
Duboke umjetne neuronske mreže danas su najpouzdaniji, najbrži, te najefektivniji način za rješavanje problema vezanog uz prepoznavanje slika. Korištenjem dubokih umjetnih neuronskih mreža omogućava se učenje mreže na velikoj količini podataka čije rezultate kasnije možemo upotrijebiti u analizi istih (npr. prepoznavanje lica osoba na aerodromima). U ovom radu opisane su osnovne stvari potrebne za razumijevanje umjetnih neuronskih mreža te je opisano koje su mreže pouzdanije za jednak dataset. Na kraju je pokazano da je VGG11 mreža postigla najbolje rezultate i da je u usporedbi s ostalima njeno korištenje najbolje pri klasificiranju grafičkih prikaza.
Sažetak (engleski)
Deep artificial neural networks are today the most reliable, fastest and most effective way to solve the problem of image recognition. By using deep artificial neural network on large amount of data, the results of which can later be used in the analysis of the same (e.g. recognizing a person's face at airports). This paper describes the basic things needed to understand artificial neural networks and describes which networks are more reliable for the same dataset. In the end, it was shown that the VGG11 network achieved the best results and that, compared to the others, its use is the best for graphic classifying representation.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:514626
Studijski programNaziv: Elektrotehnika i informacijska tehnologija
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka elektrotehnike (univ.bacc.ing.el.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2023-09-07 07:43:34