prikaz prve stranice dokumenta Evaluacija sintetičkog skupa podataka generiranog korištenjem GAN modela
Pristup korisnicima matične ustanove
diplomski rad
Evaluacija sintetičkog skupa podataka generiranog korištenjem GAN modela
2022. urn:nbn:hr:166:288948
Prnjak, Antonela
Sveučilište u Splitu
Prirodoslovno-matematički fakultet
Odjel za informatiku

Citirajte ovaj rad

Prnjak, A. (2022). Evaluacija sintetičkog skupa podataka generiranog korištenjem GAN modela (Diplomski rad). Split: Sveučilište u Splitu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:166:288948

Prnjak, Antonela. "Evaluacija sintetičkog skupa podataka generiranog korištenjem GAN modela." Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, 2022. https://urn.nsk.hr/urn:nbn:hr:166:288948

Prnjak, Antonela. "Evaluacija sintetičkog skupa podataka generiranog korištenjem GAN modela." Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, 2022. https://urn.nsk.hr/urn:nbn:hr:166:288948

Prnjak, A. (2022). 'Evaluacija sintetičkog skupa podataka generiranog korištenjem GAN modela', Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, citirano: 14.11.2024., https://urn.nsk.hr/urn:nbn:hr:166:288948

Prnjak A. Evaluacija sintetičkog skupa podataka generiranog korištenjem GAN modela [Diplomski rad]. Split: Sveučilište u Splitu, Prirodoslovno-matematički fakultet; 2022 [pristupljeno 14.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:166:288948

A. Prnjak, "Evaluacija sintetičkog skupa podataka generiranog korištenjem GAN modela", Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, Split, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:166:288948

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:166:288948
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovEvaluacija sintetičkog skupa podataka generiranog korištenjem GAN modela
Naslov (engleski)Evaluation of a synthetic dataset generated using a GAN model
AutorAntonela Prnjak
MentorGoran Zaharija (mentor)
Član povjerenstvaGoran Zaharija (predsjednik povjerenstva)
Član povjerenstvaSaša Mladenović (član povjerenstva)
Član povjerenstvaDivna Krpan (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Splitu
Prirodoslovno-matematički fakultet
(Odjel za informatiku)
Split
Datum i država obrane2022-07-15, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Kada je korištenje podataka iz stvarnog svijeta na neki način limitirano, cilj generiranja sintetičkih podataka je ponuditi podatke koji nisu stvarni. Ovaj diplomski rad fokusira se na potencijalnu primjenu generativnih suparničkih mreža u svrhu generiranja slikovnih sintetičkih podataka krhotina u moru. Pristup za generiranje sintetičkih podataka pomoću generativnih suparničkih mreža predložen je, testiran, evaluiran i uspoređen s klasičnom metodom za povećanje slikovnih podataka (kao što je rotacija, okretanje, obrezivanje...). Rezultati ukazuju na potencijal pristupa, kao i na njegove prednosti i nedostatke. Generativne kontradiktorne mreže mogu proizvesti sintetičke podatke koji održavaju statistička svojstva određenog skupa podataka unatoč visokim zahtjevima za računalnim resursima, ali se pokazalo da su previše zavisni o veličini i kvaliteti originalnog skupa podataka.
Sažetak (engleski)
When using real world data is restricted in some way, the goal of synthetic data generation is to offer data that is not real. This thesis focuses on the potential application of Generative Adversarial Networks for the purposes of generating synthetic deep-sea debris image data. An approach for generating synthetic data with Generative Adversarial Networks is proposed, tested, evaluated, and compared with a classical method for image data augmentation (such as rotation, flipping, cropping...). The results indicate the approach's potential as well as its benefits and drawbacks. Generative Adversarial Networks can produce synthetic data that maintains the statistical properties of a given dataset despite their high computing resource requirements, but they have been proven to be overly reliant on the size and quality of the original dataset.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:166:288948
Studijski programNaziv: Informatika (jednopredmetni); smjerovi: nastavnički
Smjer: nastavnički
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra edukacije informatike (mag. educ. inf.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2022-07-18 12:21:01