Podrobno

Uporaba globokih modelov za iskanje po zbirki slik na podlagi skic
ID Demić, Emil (Avtor), ID Čehovin Zajc, Luka (Mentor) Več o mentorju... Povezava se odpre v novem oknu

.pdfPDF - Predstavitvena datoteka, prenos (7,89 MB)
MD5: 932EAC6B8CFAE9ABC01D10F303D9AA0A

Izvleček
V diplomskem delu obravnavamo problem iskanja fotografij na podlagi skic. Predstavimo nov model, ki omogoča iskanje fotografij kompleksnih prizorov. Predlagani model temelji na zanesljivem in preprostem pristopu, zasnovanem po principu siamske mreže. Kot kodirnik uporabimo sodobno konvolucijsko arhitekturo ConvNeXt. Klasično izgubno funkcijo trojic nadomestimo z naprednejšo funkcijo InfoNCE. Model ovrednotimo na najsodobnejši in največji razpoložljivi podatkovni množici za iskanje fotografij prizorov, FSCOCO. Predlagani model preseže rezultate izhodiščnega modela za skoraj 30 odstotkov. Primerjamo ga tudi z modeli za multimodalno iskanje, ki jih predlagani model premaga za več kot 20 odstotkov. Poleg tega izvedemo dodatna ovrednotenja, ki dodatno potrjujejo njegovo robustnost. Opravimo tudi študijo z uporabniki, v kateri analiziramo primere neuspešnega delovanja modela ter izpostavimo izzive, povezane s podatkovno množico, s katerimi se model sooča.

Jezik:Slovenski jezik
Ključne besede:SBIR, skice, ConvNeXt, FSCOCO, InfoNCE, računalniški vid, konvolucijske nevronske mreže
Vrsta gradiva:Diplomsko delo/naloga
Tipologija:2.11 - Diplomsko delo
Organizacija:FRI - Fakulteta za računalništvo in informatiko
Leto izida:2025
PID:20.500.12556/RUL-167773 Povezava se odpre v novem oknu
COBISS.SI-ID:230548483 Povezava se odpre v novem oknu
Datum objave v RUL:11.03.2025
Število ogledov:557
Število prenosov:209
Metapodatki:XML DC-XML DC-RDF
:
Kopiraj citat
Objavi na:Bookmark and Share

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Sketch-based image retrieval using deep models
Izvleček:
In this thesis, we address the problem of sketch based image retrieval. We present a novel model that enables fine-grained scene-level retrieval. The proposed model is based on a reliable and straightforward approach, designed following the principles of a Siamese network. As an encoder, we use the modern convolutional architecture ConvNeXt. The traditional triplet loss function is replaced with the more advanced InfoNCE loss function. We evaluate the model on FSCOCO, the latest and largest available dataset for scene-level image retrieval. The proposed model outperforms the baseline model by nearly 30 percent. We also compare it with multimodal retrieval models, surpassing them by more than 20 percent. Additionally, we conduct evaluations that further confirm its robustness. Furthermore, we perform a user study in which we analyze instances of the model's failures and highlight challenges related to the dataset that the model encounters.

Ključne besede:SBIR, sketch, ConvNeXt, FSCOCO, InfoNCE, computer vision, convolutional neural networks

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Nazaj