Podatkovna zbirka redkih realističnih slikovnih anomalij za testiranje generativnih globokih nevronskih mrežKASTELIC, MARKO (Avtor) Perš, Janez (Mentor) anomalijapodatkovna zbirkaračunalniški viddetekcija anomalijADS-BGANGANomalyV delu se osredotočamo na podatkovne zbirke z anomalijami, ki se uporabljajo za učenje in testiranje nevronskih mrež ali drugih metod strojnega učenja. V takih bazah so podatki razdeljeni v kategoriji normalnih in abnormalnih podatkov. V 1. kategorijo spadajo vsi podatki, za katere imamo na voljo dovolj znanja, znamo jih modelirati in predstavljajo večinski del baze. Pridobivanje teh podatkov je v primerjavi z anomalijami enostavno. V kategorijo abnormalnih podatkov pa sodijo anomalije - podatki, o katerih imamo pomanjkljivo znanje, pojavljajo se redko, pogosto vseh oblik anomalij niti ne poznamo. Zato se v teh primerih uporabljajo generativne nevronske mreže, ki za učenje uporabljajo samo navadne podatke. Zaradi težav pri definiranju abnormalnosti in pridobivanju takih podatkov, je število kakovostnih zbirk z anomalijami veliko manjše od podatkovnih zbirk, kjer so posamezne kategorije podatkov enakomerno zastopane. V tem delu smo tako pripravili novo podatkovno zbirko, ki je izrazito neuravnotežena, abnormalnih podatkov je v primerjavi z normalnimi podatki izjemno malo. Bazo sestavljajo majhne slike zemeljskega površja, ki smo jih dobili iz satelitskih slik, kot anomalije pa so določene slike letal. Pozicije letal na slikah smo dobili s polavtomatsko metodo označevanja, pomagali smo si z ADS-B podatki. Na koncu smo pridobljeno bazo uporabili za testiranje generativne nevronske mreže GANomaly, ki je namenjena detekciji anomalij. Zanimalo nas je, kako razmerje navadnih in abnormalnih podatkov vpliva na rezultate.20202020-05-19 15:20:01Magistrsko delo/naloga116157VisID: 50041sl