Naslov magistrskega dela: Učenje z mešanim nadzorom za detekcijo površinskih napak

Povzetek: Detekcija površinskih napak se ukvarja z iskanjem nepravilnosti v slikah. V zadnjih letih je bilo za reševanje tega problema predlaganih veliko rešitev, ki temeljijo na globokem učenju in ki za učenje zahtevajo podatke z različno natančnostjo oznak. Polno nadzorovane metode dosegajo odlične rezultate vendar za učenje potrebujejo za vse slike oznake na nivoju sl. elem., ki so zahtevne za pridobitev. Nasprotno, nenadzorovane pristope učimo le na normalnih slikah, a pogosto ne delujejo tako dobro. Nobeden izmed teh pristopov za učenje ne more uporabiti vseh razpoložljivih podatkov, saj prvih ne moremo učiti s podatki, označenimi na nivoju slik, druge pa ne izkoriščajo slik z napakami.
V tem delu vpeljemo učenje z mešanim nadozorom, ki omogoča uporabo vseh podatkov in tako zmanjšuje razlike med pristopoma. Predlagamo polno nadzorovano metodo, ki jo lahko učimo z označbami na nivoju slik in razširimo nenadzorovano metodo z uporabo slik z napakami. Obsežno vrednotenje učenja z mešanim nadzorom pokaže, da se delovanje obeh vrst metod izboljša z uporabo vseh razpoložljivih podatkov. Analiza robustnosti pokaže, da so nenadzorovane metode presenetljivo neobčutljive na prisotnost slik z napakami v učni množici in tako potencialno vodijo k učenju v polno nenadzorovanem načinu, kjer podatki nimajo nobenih oznak.

Mentor: prof. dr. Danijel Skočaj

Somentor: znan. sod. dr. Domen Tabernik

Komisija za zagovor: 

izr. prof. dr. Erik Štrumbelj, predsednik

prof. dr. Peter Peer, član

doc. dr. Aleš Jaklič, član

Povezava do video kanala, po katerem se bo prenašal zagovor in ga bo možno spremljati, bo dodana najkasneje na dan zagovora (predvidoma 30 minut pred terminom izvedbe zagovora) na spletni strani: https://ucilnica.fri.uni-lj.si/course/view.php?id=35