Analiza stabilnosti konvolucijskih neuronskih mreža primjenjenih u klasifikaciji slika u svrhu detekcije neispravnosti proizvoda

Premec, Jasmina (2016) Analiza stabilnosti konvolucijskih neuronskih mreža primjenjenih u klasifikaciji slika u svrhu detekcije neispravnosti proizvoda. = Stability Analysis of Deep Convolutional Neural Networks for image classification used in detection of products with defects. Master's thesis (Bologna) , Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, UNSPECIFIED. Mentor: Majetić, Dubravko.

Preview	Text Premec_2016_diplomski.pdf - Published Version Jezik dokumenta:English Download (959kB) | Preview
	Text Premec_Jasmina_autorska_izjava_diplomski_2016.pdf.pdf - Published Version Restricted to Repository staff only Jezik dokumenta:Croatian Download (540kB)

Abstract (Croatian)

U industrijskoj primjeni automatske optičke inspekcije, jedna od metoda detekcije objekata koji sadrže neku vrstu kvara vrši se uzorkovanjem slika objekata te njihovom klasifikacijom. Klasifikacija se provodi korištenjem jednog od raznih algoritama koje za tu primjenu nudi područje strojnog učenja. U ovom radu, korištene su konvolucijske neuronske mreže, trenutno najpopularniji alat u području klasifikacije slika. U istraživanjima provedenim od strane znanstvene zajednice koja se bavi razvojem umjetnih neuronskih mreža ove vrste, otkriveno je da je moguće editirati sliku na način koji uzrokuje promjenu odluke konvolucijske neuronske mreže. Ovaj rad istražuje stabilnost konvolucijskih neuronskih mreža na pojave ove vrste u praktičnoj primjeni.

Item Type:	Thesis (Master's thesis (Bologna))
Uncontrolled Keywords:	detekcija kvara; industrijsko procesiranje slika; klasifikacija slika; strojno učenje; konvolucije neuronske mreže; ispitivanje stabilnosti
Subjects:	TECHNICAL SCIENCE > Mechanical Engineering
Divisions:	900 Department of Robotics and Production System Automation > 910 Chair of Engineering Automation
Date Deposited:	08 Dec 2016 12:39
Last Modified:	01 Dec 2021 05:37
URI:	http://repozitorij.fsb.hr/id/eprint/7130

Actions (login required)

View Item