Iteratiivset ja amortiseeritud järeldamist kasutavad lahendused tähtkujude probleemile

Nimi
Farid Hasanov
Kokkuvõte
Visuaalse sisendi mõistmine on inimmõistuse oluline osa. Kuigi inimese visuaalse korteksi töös on täheldatud tagasisisestatud töötlusahelaid, on masinnägemise andmestike lahendamisel domineerinud süsteemid, mis teevad ühe pärilevi arvutuse sisendist ennustusse. Seda lahknevust võib seletada keerukate andmekogumite puudumisega, kus õige lahenduseni jõudmiseks oleks vaja lahendust järk-järgult täiustada. Hiljuti pakuti välja selline andmestik piltidest, kust on kustutatud lokaalne informatsioon pildile peidetud objektide kohta. Käesolev lõputöö kujutab endast esimest katset selle uudse andmekogumi lahendamiseks. Teeme ettepaneku kasutada generatiivseid mudeleid DCGAN ja VAE koos optimeerimisalgoritmiga CMA-ME, et täiendada lahendusi iteratiivselt, ning kasutada generatiivseid mudeleid Pix2pix ja CycleGAN, et luua lahendusi pärilevi- või amortiseeritud järeldusena. Uudses masinnägemise andmestikus püstitatud probleemi lahendamise kaudu näitame iteratiivse hüpoteeside järeldamise üleolekut ühekordsest ennustamisest, julgustades edasisi uuringuid iteratiivse järelduse valdkonnas.
Lõputöö keel
inglise
Lõputöö tüüp
Magister - Informaatika
Juhendaja(d)
Jaan Aru, Tarun Khajuria, Taavi Luik
Kaitsmise aasta
2022
 
PDF