diplomski rad (sveučilišni)
U ovom radu istražuje se problem semantičke segmentacije trsa u vinogradima s ciljem generiranja skupa podataka uz minimalno ljudsko anotiranje. Korištenjem VineSet skupa podataka, istrenirana je YOLOv5 detekcija trsa, koja se zatim iskoristila za generiranje skupa podataka rezanjem trsova iz slika. Izrezani trsovi su potom semantički segmentirani pomoću metode polunadziranog učenja SSL_ELN. Na generiranom skupu podataka provedena je evaluacija s nizom modela semantičke segmentacije i enkodera kako bi se odredio najprikladniji model za primjenu na mobilnom robotu u vinogradima. Rezultati pokazuju da je PSP model sa mobilenet_v2 enkoderom najbolji kompromis između točnosti i brzine predikcije te se čini najpogodniji za uporabu u ovoj specifičnoj primjeni.
Semantička segmentacija, detekcija objekata, polunadzirano učenje
Razvojem virtualizacijskih tehnologija raste kompleksnost IT sustava, dok korisnici istovremeno zahtijevaju brži pristup resursima, napredne integracije i jednostavnost korištenja. Jedno od ključnih rješenja za ove izazove primjena je…
Ovaj rad istražuje i uspoređuje mogućnosti prosljeđivanja grafičkih kartica na Hyper-V i KVM hipervizorima prema virtualnim strojevima, detaljno opisujući metode, postupke i razlike u arhitekturi koje utječu na…
The ever-growing usage and adaptation of HTTP/3 in web traffic leverages Quick UDP Internet Connections (QUIC) as a transport protocol. QUIC is widely recognized for reduced latency, enhanced…