| | SLO | ENG | Cookies and privacy

Bigger font | Smaller font

Search the digital library catalog Help

Query: search in
search in
search in
search in
* old and bologna study programme

Options:
  Reset


1 - 10 / 12
First pagePrevious page12Next pageLast page
1.
Ogrodje za ocenjevanje barve svetila z linearnimi digitalnimi filtri, prilagojenimi na posamezno sliko
Martin Šavc, 2020, doctoral dissertation

Abstract: V doktorski nalogi raziskujemo problem barvne vztrajnosti oziroma problem ocenjevanja barve uniformne osvetlitve scene na podlagi zajete digitalne slike. Predstavimo posplošitev uveljavljenega ogrodja sivih robov z vpeljavo diskretizacije in operacije konvolucije. Za ocenjevanje osvetlitve z našim ogrodjem predlagamo uporabo filtrov, prilagojenih vsebini slike. Filtre konstruiramo bodisi z metodo linearne analize osnovnih komponent (PCA) ali z metodo neodvisnih komponent (ICA). Metodo pospešimo tako, da namesto računanja celotne konvolucije uporabimo zgolj vzorce iz slike oziroma uporabimo tehniko podvzorčenja. Skonstruirane prilagojene filtre v nadaljevanju uporabimo tudi kot samostojne metode barvne vztrajnosti v postopku kombiniranja metod. V eksperimentalnem delu opravimo tri večje eksperimente z uveljavljenima javnima evalvacijskima podatkovnima zbirkama Gehler-Shi in NUS. V prvem eksperimentu primerjamo rezultate predlaganih metod z metodami ogrodja sivih robov in drugimi modernimi metodami ocenjevanja osvetlitve. Predlagani metodi barvne vztrajnosti iz našega ogrodja dosegata nižje napake in nižji povprečni rang od drugih metod ogrodja sivih robov. Predlagana metoda kombiniranja rezultatov pa dosega nižje napake od izvorne metode. V drugem eksperimentu primerjamo odpornost naših metod barvne vztrajnosti in metod ogrodja sivih robov na manjše spremembe v sceni. Spremembe simuliramo z rotacijo in translacijo slik. Pokažemo, da je predlagana metoda barvne vztrajnosti odporna na rotacijo scene, kadar v našem ogrodju uporabimo filtre, ki so prilagojeni vsebini slike z analizo osnovnih komponent. Po drugi strani pa so vse primerjane metode občutljive na premike v sceni. V tretjem eksperimentu primerjamo natančnost ocenjevanja osvetlitve, in sicer če v našem predlaganem ogrodju uporabimo bodisi tehniko podvzorčenja oziroma če osvetlitev ocenjujemo s pomočjo konvolucije. Pokažemo statistično značilno razliko v rezultatih med obema pristopoma. Ocena osvetlitve, pridobljena s podvzorčenjem, je bolj natančna od ocene osvetlitve, izračunane s pomočjo konvolucije. S predlaganimi pristopi v tej doktorski disertaciji dobimo primerljive ali boljše rezultate od sodobnih metod barvne vztrajnosti ob nižji računski kompleksnosti.
Keywords: barvna vztrajnost, ocenjevanje osvetlitve, ogrodje sivih robov, konvolucija, prilagajanje filtrov, analiza osnovnih komponent, PCA, analiza neodvisnih komponent, ICA
Published: 11.08.2020; Views: 270; Downloads: 47
.pdf Full text (15,35 MB)

2.
Prepoznavanje aktivnosti osebe iz zaporedja slik z globokimi povratnimi nevronskimi mrežami
David Pintarič, 2019, undergraduate thesis

Abstract: V diplomskem delu se ukvarjamo s problemom prepoznavanja aktivnosti osebe iz zaporedja slik, pri čemer prepoznavo poskušamo izboljšati z upoštevanjem časovne komponente. To dosežemo z uporabo povratnih nevronskih mrež. Omejili smo se na naslednje aktivnosti: oseba ni v ravnovesju, se pripogiba, stoji, sedi, leži, hitro hodi, počasi hodi in pada. Pregledali smo obstoječe postopke prepoznavanja, preučili povratne nevronske mreže, pripravili množico podatkov, zasnovali algoritem, izvedli eksperimente in na koncu analizirali rezultate. Rezultati na 25 označenih videoposnetkih so pri uporabi povratne nevronske mreže pokazali 83,24 % povprečno natančnost pri uporabi tipa zaporedje v vektor in 75,53 % povprečno natančnost pri uporabi tipa zaporedje v zaporedje. Kljub temu da so dobljeni rezultati boljši od tistih, kjer ne upoštevamo časovne komponente, ugotavljamo, da povratne nevronske mreže zaradi računske zahtevnosti niso vedno najboljša izbira.
Keywords: računalniški vid, povratna nevronska mreža, pomnilna celica LSTM, pomnilna celica GRU, globoko učenje, detekcija oseb, prepoznavanje aktivnosti osebe
Published: 23.11.2019; Views: 446; Downloads: 135
.pdf Full text (3,78 MB)

3.
Uporabniška programska oprema za napredno organiziranje in urejanje digitalnih slik na osnovi nevronskih mrež
Kristjan Žagar, 2019, undergraduate thesis

Abstract: V diplomskem delu smo razvili razširljivo uporabniško programsko opremo za organiziranje in urejanje digitalnih slik. Program se deli na tri dele, in sicer organizacijski, urejevalni ter napredni način. Organizacijski način dodatno omogoča razširljive dinamične bližnjice na tipkovnici. Poleg tega smo implementirali dve konvolucijski nevronski mreži. Prva je namenjena skaliranju in ostrenju slik, druga pa za ločevanje nočnih in dnevnih slik. Obe naučeni mreži sta vključeni v napredni način naše aplikacije kot vtičnika. Program smo implementirali v ogrodju .NET, s pomočjo WPF-ja ter programskega jezika C#. Nevronski mreži smo implementirali v jeziku Python in z uporabo aplikacijskega programskega vmesnika Keras. Našo aplikacijo in rezultate smo ovrednotili tako kvalitativno kot tudi kvantitativno na manjši testni množici slik. Dobljeni rezultati so bili primerljivi s sorodnimi rešitvami. Po opravljeni fazi testiranja smo našo programsko opremo posredovali v ocenitev še dvema profesionalnima fotografoma. Dobili smo pozitivno povratno informacijo. Na osnovi vseh rezultatov in povratnih informacij lahko trdimo, da naša programska oprema deluje učinkovito in ponuja primerno uporabniško izkušnjo.
Keywords: fotografije, windows aplikacija, programski jezik C#, konvolucijske nevronske mreže
Published: 23.11.2019; Views: 279; Downloads: 34
.pdf Full text (1,99 MB)

4.
Detekcija karakterističnih točk na rentgenskih posnetkih glave s pomočjo tehnik globokega učenja
Gašper Sedej, 2018, master's thesis

Abstract: V tem magistrskem delu smo se ukvarjali s sistemom za detekcijo karakterističnih točk na slikovnih podatkih. Izdelali smo splošen sistem za avtomatsko zaznavanje karakterističnih točk, ki smo ga prilagodili za kefalometrične točke na rentgenskih slikah. Kot detektor smo uporabili obstoječo globoko nevronsko mrežo SegNet, ki je namenjena segmentiranju slik. To mrežo smo modificirali za iskanje karakterističnih točk. Novo mrežo smo poimenovali KeypointNet. Izdelali smo tudi sistem za označevanje točk na slikah. Detektor smo učili z učno množico. Na testni množici smo izvedli detekcijo in izmerili napako, ki jo definiramo kot evklidsko razdaljo med napovedano in označeno točko. Testirali smo tudi nabor krmilnih hiperparametrov pri zagonu učenja. Sistem smo testirali na množici 124 kefalometričnih slik velikosti 480 × 360 pikslov, in sicer za nabor 10 izbranih točk. Na vseh slikah smo označili te točke. Slike smo razdelili v učno in testno množico v razmerju približno 75 % in 25 %. Testirali smo 16 naborov hiperparametrov. Za vsak nabor smo izvedli 5 ponovitev učenja. Povprečna napaka v položaju točke na testni množici je bila 2,7 piksla. Testirali smo tudi vpliv dveh hiperparametrov za nadzor učenja. Testi so pokazali, da rahel odklon od priporočenih vrednosti za ta dva hiperparametra nima signifikantnega vpliva na končni rezultat. Dobljeni rezultati so zelo spodbudni. Razvili smo torej napreden sistem na osnovi globokega učenja, ki uspešno detektira karakteristične točke na slikah.
Keywords: globoko učenje, nevronske mreže, kefalometrija, razpoznavanje vzorcev, optimizacija, paralelno izvajanje
Published: 10.01.2019; Views: 712; Downloads: 118
.pdf Full text (5,14 MB)

5.
Prepoznavanje aktivnosti osebe iz zaporedja slik s pomočjo konvolucijskih nevronskih mrež
Mihael Baketarić, 2018, undergraduate thesis

Abstract: V diplomskem delu smo se ukvarjali s prepoznavanjem aktivnosti osebe iz zaporedja slik. Omejili smo se na aktivnosti: stoji, sedi, leži, hitro hodi, počasi hodi in pada. Pregledali smo obstoječe postopke prepoznavanja, pripravili množico podatkov, preučili konvolucijske nevronske mreže in jih uporabili pri reševanju našega problema. Naš algoritem je sestavljen iz dveh korakov: iz izločevanja oseb iz slik in prepoznavanja aktivnosti. Oba koraka smo implementirali z uporabo konvolucijskih nevronskih mrež in analizirali rezultate. Za učenje in testiranje smo uporabili lastno podatkovno zbirko, ki je vsebovala video posnetke 6-ih različnih oseb, ki so izvajali vseh šest aktivnosti. Na veliko slikah oseba ni bila pravilno izločena oz. detektirana, zato se je naša množica podatkov občutno zmanjšala po odstranitvi takšnih slik. Naš postopek smo preverili s 6-kratno navzkrižno validacijo. Povprečna uspešnost prepoznavanja aktivnosti je bila 36 %, kar seveda ni dovolj visoko za realne aplikacije. Ugotavljamo, da se pri rezultatih prepoznavanja aktivnosti močno pozna dejstvo, da v našem postopku nismo upoštevali časovne komponente oz. rezultatov prepoznav na predhodnih slikah.
Keywords: računalniški vid, konvolucijska nevronska mreža, globoko učenje, detekcija oseb, prepoznavanje aktivnosti osebe
Published: 19.10.2018; Views: 785; Downloads: 192
.pdf Full text (1,55 MB)

6.
Prepoznavanje jedi iz digitalnih slik s pomočjo konvolucijskih nevronskih mrež
Jan Banko, 2018, undergraduate thesis

Abstract: V diplomskem delu se ukvarjamo s prepoznavo jedi iz digitalnih slik s pomočjo konvolucijskih nevronskih mrež. Namen diplomskega dela je razvoj in implementacija sistema, ki je zmožen prepoznati hrano na digitalni sliki. Natančneje smo preučili delovanje konvolucijskih nevronskih mrež ter postopek prepoznavanja objektov. Opisali smo tudi uporabljene algoritme za detekcijo objektov, ki uporabljajo konvolucijske nevronske mreže. Pri implementaciji razpoznavalnika hrane smo se omejili na 8 različnih kategorij hrane. Pri testiranju na podatkovni zbirki »The Food-101 Data Set« je na množici 2400 slik najboljši izmed uporabljenih modelov detektorjev dosegel natančnost prepoznavanja 95,59 % pri uporabi metrike »PASCAL VOC 2010« ter 72,1 % pri uporabi metrike »COCO«.
Keywords: računalniški vid, prepoznavanje hrane, konvolucijske nevronske mreže, Tensorflow
Published: 31.08.2018; Views: 1197; Downloads: 212
.pdf Full text (2,69 MB)

7.
Primerjava segmentacijskih algoritmov na posnetkih zdravih in obolelih očeh
Sandi Krivec, 2018, master's thesis

Abstract: V tej magistrski nalogi smo se ukvarjali s segmentiranjem človeškega očesa ter prepoz-navanjem bolezni na očesu. Preštudirali in primerjali smo obstoječe algoritme za segmen-tacijo očesa. V praktičnem delu naloge smo razvili lastno hibridno metodo, s pomočjo kate-re detektiramo človeško oko ter prepoznamo bolezni. Naš algoritem in sorodne metode smo preizkusili na treh testnih zbirkah slik s človeškimi očmi, in sicer na lastni zbirki ter na javnih zbirkah IITD in UTIRIS. Algoritme smo primerjali kvalitativno in s pomočjo indeksa Jaccard. Rezultati so pokazali, da s pomočjo naše hibridne metode dosežemo najboljše rezultate. Pri zaznavi zenice smo na lastni podatkovni zbirki dosegli 80 % natančnost, na testnih zbirkah IITD in UTIRIS pa 96 % oziroma 97 % natančnost. Pri zaznavi šarenice smo bili najbolj natančni na zbirki UTIRIS (89 % natančnost), sledita pa lastna zbirka (75 %) ter zbirka IITD (59 %). Eksperimentalno smo potrdili domnevo, da s kombinacijo splo-šnih segmentacijskih postopkov in postopkov na osnovi geometrijskih modelov izboljšamo natančnost segmentacije na posnetkih zdravih in obolelih oči. Bolezni oči smo prepozna-vali le na lastni zbirki. Metrika priklic je variirala od 38 % za bolezen Arcus senilis do 93 % za bolezen miozo. Podobno smo opazili pri metriki točnost, ki je variirala od 60 % (vnetje šarenice), pa vse do 92 % (siva mrena). Preliminarni rezultati potrjujejo uspešnost našega pristopa.
Keywords: napredna obdelava slik, segmentacija očesa, segmentacijski postopki, zaznava bolezni človeškega očesa.
Published: 14.06.2018; Views: 411; Downloads: 53
.pdf Full text (3,06 MB)

8.
Avtomatsko nastavljanje parametrov segmentacijske metode aplikacije virtualna tipkovnica s pomočjo nevronske mreže
Aljaž Javornik, 2017, undergraduate thesis

Abstract: V tem diplomskem delu smo nadgradili izhodiščno aplikacijo Virtualna tipkovnica, ki je namenjena zaznavanju pritiska tipke v nadzorovanih okoliščinah s pomočjo interakcijske površine in vanjo usmerjene kamere. Preučili in implementirali smo metode, ki omogočajo avtomatizirano nastavljanje parametrov segmentacijske metode za izhodiščno aplikacijo. S tem smo izboljšali njeno delovanje v spremenljivih osvetlitvenih razmerah ter ob uporabi drugačnih ozadij interakcijske površine. Preučili in implementirali smo tudi tehnike predobdelave slik ter možnosti segmentacije s pomočjo konvolucijskih nevronskih mrež. Razvili in implementirali smo naslednje rešitve: i) model RGB smo nadomestili z barvnim modelom HSV, ii) rešitev z uporabo metode fotometrične normalizacije, imenovane eno-nivojski retineks, ter iii) rešitev, kjer segmentacijo izvedemo s pomočjo globoke nevronske mreže. Vse nadgradnje osnovne aplikacije Virtualna tipkovnica smo validirali z množico eksperimentov, v katerih smo variirali osvetlitev, oddaljenost svetila, ozadje interakcijske površine ter uporabnika. Kot najuspešnejši nadgradnji sta se izkazali uporaba konvolucijskih nevronskih mrež in morfološka operacija odpiranja.
Keywords: virtualna tipkovnica, segmentacija slik, nevronska mreža, globoka nevronska mreža, konvolucijska nevronska mreža, kompenzacija osvetlitve, predobdelava, eno-nivojski retineks
Published: 28.02.2017; Views: 1016; Downloads: 146
.pdf Full text (2,65 MB)

9.
POPRAVLJANJE BARV NA SLIKAH S POMOČJO BARVNEGA KALIBRATORJA IN ALGORITMOV BARVNE VZTRAJNOSTI
Štefan Črešnar, 2016, undergraduate thesis

Abstract: V diplomskem delu opisujemo in preverjamo postopke barvne vztrajnosti za popravljanje barv na digitalnih slikah s pomočjo barvnega kalibratorja in algoritma povprečne sivine. Na slikah naš algoritem samodejno prepozna barvni kalibrator. Tega uporabimo za prilagajanje barv z minimalno kvadratno napako in za izračun uspešnosti. Pri algoritmu povprečne sivine s kalibratorjem samo preverjamo uspešnost. Izvedli smo poskuse z dvema naboroma slik. Enega smo izbrali iz spletnih baz, drugi sklop smo posneli sami v laboratorijskem okolju. Slikali smo s standardnim digitalnim fotoaparatom na dva načina: enkrat skozi polprosojno ogledalo, ki ima prepustnost od 60 do 65 %, in enkrat neposredno. Sceno smo osvetljevali z različnimi svetlobnimi viri: dnevno svetlobo, studijskim reflektorjem, reflektorjem z žarilno nitko in zeleno svetlečo diodo. Analizo barvne vztrajnosti smo opravili v linearnem barvnem prostoru RGB. Poskusi so pokazali, da imata oba testirana algoritma podobno uspešnost. Prilagajanje s kalibratorjem se sicer v splošnem obnese nekoliko bolje, algoritem povprečne sivine pa je prepričljivo boljši na slikah, ki smo jih posneli v laboratorijskem okolju. A le na slikah, ki so posnete brez ogledala. Zadnji poskus na slikah, ki so posnete skozi polprosojno ogledalo, pa pokaže, da je na tem naboru slik algoritem za prilagajanje barv s kalibratorjem učinkovitejši.
Keywords: barvni kalibrator, digitalna obdelava slik, popravljanje barv, algoritem barvne vztrajnosti, algoritem za nastavitev beline
Published: 21.09.2016; Views: 548; Downloads: 67
.pdf Full text (3,18 MB)

10.
PREPOZNAVANJE PREPROSTIH GEST S POMOČJO SENZORJA KINECT
Primož Rojko, 2016, master's thesis

Abstract: V magistrskem delu raziskujemo problem zaznavanja gest s pomočjo senzorja Kinect. Z razvojem naše aplikacije želimo odstraniti potrebo po standardnih vhodnih napravah. Razvili smo aplikacijo za prepoznavanje gest, ki zazna tako statične kot dinamične geste. Naša aplikacija temelji na obdelavi slikovnih podatkov, ki jih zajemamo s senzorjem Kinect. Iz zajetih podatkov z naprednimi postopki računalniškega vida izluščimo ključne značilnice, ki definirajo uporabnikovo gibanje. Časovno zaporedje teh značilnic uporabimo v naprednem algoritmu "Dynamic Time Warping" za klasifikacijo gest. Končno aplikacijo je testiralo 7 uporabnikov v 3 različnih eksperimentih. Na podlagi tega smo ocenili uspešnost naše rešitve. Aplikacija je kljub določenim pomanjkljivostim dosegla povprečno uspešnost okrog 88 odstotkov. Na podlagi rezultatov smo ugotovili, da aplikacija ustreza zastavljenim ciljem in potrjuje večino postavljenih hipotez. Izkazalo se je, da bi lahko naš algoritem uspešno uporabili kot napreden uporabniški vmesnik v komunikaciji človek – stroj praktično v kateri koli aplikaciji.
Keywords: Microsoft Kinect, gesta, prepoznavanje gest, algoritem dinamičnega časovnega sledenja, računalniški vid, konveksna lupina
Published: 14.03.2016; Views: 1043; Downloads: 169
.pdf Full text (3,26 MB)

Search done in 0.31 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica