Učinkovitost različitih vrsta neuronskih mreža u klasificiranju grafičkih prikaza

Kovačević, David

završni rad

Učinkovitost različitih vrsta neuronskih mreža u klasificiranju grafičkih prikaza

Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 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

APA 6th Edition

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

MLA 8th Edition

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

Chicago 17th Edition

Harvard

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: 16.11.2024., https://urn.nsk.hr/urn:nbn:hr:200:514626

Vancouver

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 16.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:514626

IEEE

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

Naslov	Učinkovitost različitih vrsta neuronskih mreža u klasificiranju grafičkih prikaza
Naslov (engleski)	Neural Networks Efficiency in Chart Image Classification
Autor	David Kovačević
Mentor	Josip Job (mentor)
Član povjerenstva	Josip Job (predsjednik povjerenstva)
Član povjerenstva	Goran Knežević (član povjerenstva)
Član povjerenstva	Ivica 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 obrane	2023-06-16, 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)
Jezik	hrvatski
URN:NBN	urn:nbn:hr:200:514626
Studijski program	Naziv: 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 resursa	Tekst
Način izrade datoteke	Izvorno digitalna
Prava pristupa	Otvoreni pristup
Uvjeti korištenja
Repozitorij	Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Datum i vrijeme pohrane	2023-09-07 07:43:34