Segmentacija telesa z uporabo večciljnega učenjaJug, Julijan (Avtor) Peer, Peter (Mentor) Štruc, Vitomir (Komentor) računalniški vidsegmentacijarazločanje delov telesavečciljno učenjeSegmentacija telesa je proces označevanja delov slike in njihova klasifikacija v semantične razrede. Segmentacija telesa se uporablja v mnogih aplikacijah in sistemih, ki obdelujejo slike ljudi, ter predstavlja enega izmed ključnih delov takšnih cevovodov. V tem delu se ukvarjamo z izboljšavo obstoječih modelov za segmentacijo ljudi in pri tem uporabimo metodo večciljnega učenja. Predstavimo in implementiramo večciljni model SPD, ki poleg segmentacije vključuje tudi naloge napovedi telesnega skeleta in napoved globinske predstavitve telesa. Implementiramo tudi modele, ki poleg segmentacije vključujejo le eno izmed nalog. Pripravimo zbirko slik, ki vsebuje vse anotacije, ki so potrebne za učenje modela, in modele z njimi naučimo. Rezultate vseh implementiranih modelov analiziramo in primerjamo z referenčnimi modeli JPPNet in DensePose. Uporabljene metrike segmentacijske kakovosti kažejo na izboljšavo vseh metrik v primerjavi z modelom JPPNet. Rezultati skeletne in globinske predstavitve so glede na referenčne modele nekoliko slabši.20212021-12-13 14:35:00Magistrsko delo/naloga133747VisID: 29321COBISS_ID: 91319043sl