diplomsko delo
Grega Šuštar (Avtor), Luka Čehovin (Mentor)

Povzetek

V diplomskem delu obravnavamo idejo kvantizacije globokih opisnikov, ki jih vračajo skriti sloji konvolucijskih nevronskih mrež. Cilj pristopa je zmanjšati število bitov in posledično količino informacij, da bi se te hitreje in bolj učinkovito poslali prek mreže na oblak, kjer bi se procesiranje nadaljevalo. To nam bi omogočilo nadzorovano stiskanje vhodnih podatkov, porazdeljeno procesiranje med dvema sistemoma in morda celo delno anonimizacijo surovih podatkov. V okviru dela smo izvedli eksperiment z modelom za kategorizacijo, ki smo ga učili na dveh standardnih zbirkah slik. Rezultati eksperimenta kažejo, da je tak razcep obdelave slike mogoč. Količina podatkov za prenos kvantiziranih opisnikov je nižja kot v primeru uporabe brezizgubnega slikovnega kodeka. V diskusiji opišemo tudi pomanjkljivosti zasnove našega eksperimenta in podamo predloge za nadaljnje raziskave na tem področju.

Ključne besede

kvantizacija;robno računalništvo;univerzitetni študij;diplomske naloge;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.11 - Diplomsko delo
Organizacija: UL FRI - Fakulteta za računalništvo in informatiko
Založnik: [Grega Šuštar]
UDK: 004.8(043.2)
COBISS: 123688963 Povezava se bo odprla v novem oknu
Št. ogledov: 24
Št. prenosov: 12
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Quantization of deep descriptors for compression in edge computing
Sekundarni povzetek: In this thesis, we discuss the idea of quantizing deep descriptors returned by the hidden layers of convolutional neural networks. The aim of this approach is to reduce the number of bits and, consequently the amount of information in order to send this information more quickly and efficiently through the network to the cloud, where the processing would continue. This would allow us to compress the input data in a controlled way, distribute the processing between the two systems and perhaps even to partially anonymise the raw data. In the scope of our thesis, we ran an experiment with a categorisation model trained on two standard image collections. The results of the experiment show that such a split of image processing is possible. The amount of data for transfering the quantized descriptors is lower than in if we were to use a lossless image codec. In the discussion, we also describe the shortcomings of our experimental design and make suggestions for further research in this area.
Sekundarne ključne besede: neural networks;deep learning;quantization;edge computing;computer science;diploma;Nevronske mreže (računalništvo);Globoko učenje (strojno učenje);Računalništvo;Univerzitetna in visokošolska dela;
Vrsta dela (COBISS): Diplomsko delo/naloga
Študijski program: 1000468
Konec prepovedi (OpenAIRE): 1970-01-01
Komentar na gradivo: Univ. v Ljubljani, Fak. za računalništvo in informatiko
Strani: 55 str.
ID: 16479248