Tema rada: Duboka konvolucijska neuronska mreža kao klasifikator namještaja
Autori: Marko Hajba i Dora Fabijanić
Ustanova: Veleučilište u Virovitici, Matije Gupca 78, Virovitica
Kontakt: marko.hajba@vuv.hr
Poveznica na članak: https://vuv.hr/wp-content/uploads/2020/11/ET2eR,%20vol.2,%20br.II,%202020.pdf (stranice 59. - 64.)
Repositorij sadrži programski kod sa platforme Kaggle koji je korišten pri pisanju članka. Arhitektura neuronske mreže uvelike određuje točnost modela.
Baza podataka je također preuzeta sa Kaggle platforme: https://www.kaggle.com/akkithetechie/furniture-detector
SAŽETAK – Umjetna inteligencija jedno je od najaktivnijih područja istraživanja i primjene te je sastavni dio naših života. Omogućava između ostaloga automatizaciju raznih strojeva, razumijevanje slike i zvuka, daje prognoze u medicini, ekonomiji i drugim znanostima. Neuronske mreže su jedan tip umjetne inteligencije, koji se posebno na-meće kao važan alat u stvarnim problemima, pogotovo razvojem hardvera i softvera zadnjih godina. One omoguću-ju usavršavanje računalnih sustava uz nova iskustva i podatke. U ovom radu bit će prezentirane osnove teorije neu-ronskih mreža i demonstrirana klasifikacija objekata nekoliko klasa namještaja pomoću duboke konvolucijske neuronske mreže koja je postigla 94% točnosti na skupu za testiranje.
Ključne riječi: strojno učenje, neuronske mreže, duboka konvolucijska neuronska mreža, klasifikacija.
ABSTRACT – Artificial intelligence is a rapidly developing field with many practical applications and active rese-arch topics. It is used in our everyday life, as it allows automatization of various machines, the understanding of images and speech, and provides diagnoses and predictions in medicine, economy, and other fields of science. Neu-ral networks, a part of artificial intelligence, are getting more interest to solve real-world problems as computer hardware and software develop. They allow computer systems to improve with experience and data. The basic theo-retical foundations of neural networks will be presented in this paper. Also, deep convolutional neural network as a furniture object classifier with 94% accuracy on the test dataset will be demonstrated.
Keywords: machine learning, neural networks, deep convolutional neural networks, classification