Globoki modeli za segmentacijo beločniceHafner, Andrej (Avtor) Peer, Peter (Mentor) Vitek, Matej (Komentor) biometrijasegmentacija beločnicegloboke nevronske mrežekonvolucijske nevronske mrežeSemantična segmentacija je proces označevanja delov slike na nivoju slikovnih elementov. Na podlagi rezultatov lahko razberemo, kaj je pomensko vsebovano na posameznih predelih slike. To delo obravnava segmentacijo beločnice očesa s pomočjo trenutno najbolj uspešnih arhitektur nevronskih mrež. Javno dostopne implementacije arhitektur SegNet, DeepLabv3+, HRNetV2 in UPerNet predelamo in naučimo za segmentacijo beločnice na podatkovnih množicah SBVPI in MASD. Nato ocenimo njihovo uspešnost pri binarni klasifikaciji posameznih slikovnih elementov kot beločnica ali ozadje. Na podlagi metrik mIoU, natančnosti, priklica in f1-ocene se za najbolj uspešnega izkaže model UPerNet, kar v nadaljevanju pokažemo v kvalitativni analizi. Modele testiramo tudi na podmnožici testne množice iz tekmovanja v segmentaciji beločnice SSBC 2019. Rezultate primerjamo z zmagovalnim modelom U-Net, tukaj pa zmaga model SegNet.20202020-03-25 11:45:01Diplomsko delo/naloga114893VisID: 23652COBISS_ID: 1538558915sl