| | 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 - 4 / 4
First pagePrevious page1Next pageLast page
1.
Konvolucijske nevronske mreže za odkrivanje napak s pomočjo zvoka
Gorazd Fažmon, 2020, master's thesis

Abstract: V magistrskem delu je predstavljen razvoj sistema za zaznavanje napak v industrijskih procesih, ki temelji na osnovi zaznave zvoka. S pomočjo programskega orodja Audacity, so zajeti zvočni signali proizvodnih postopkov. S programskim orodjem Python je izdelan program za pretvorbo zvočnega signala v sliko. Z uporabo Python knjižnice TensorFlow je program naučen, da prepozna napako. Podan je podroben opis pomembnih pojmov, algoritmov, metod in testiranj sistema. Glavni cilj naloge je implementirati zgrajen sistem na dejanskem proizvodnem postopku.
Keywords: konvolucijska nevronska mreža, kakovost zvoka, spektrogram, Mel frekvenčni kepstralni koeficienti (MFCC), TensorFlow
Published: 04.11.2020; Views: 144; Downloads: 30
.pdf Full text (1,97 MB)

2.
Globoko učenje in igra dama
Jan Popič, 2019, undergraduate thesis

Abstract: V zaključnem delu smo zasnovali računalniški program AlphaLady, ki se je sposoben naučiti igranja igre dama brez vnosa človeškega znanja. Za dosego tega smo uporabili vzpodbujevalno učenje, drevesno preiskovanje Monte Carlo in globoke konvolucijske mreže za ocenitev posameznih stanj v igri. Predstavili smo programe Alpha Go, AlphaGo Zero in AlphaZero, na podlagi katerih je zasnovan naš program. Opisali smo uporabljeno ogrodje in teoretično ozadje uporabljenih pristopov. Uspelo nam je naučiti 9 različic programa, pri čemer je vsaka naslednja različica enakovredna ali boljša kot prejšnja.
Keywords: umetna inteligenca, globoko učenje, konvolucijska nevronska mreža, drevesno preiskovanje Monte Carlo, vzpodbujevalno učenje, igra dama
Published: 13.11.2019; Views: 530; Downloads: 175
.pdf Full text (749,47 KB)

3.
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: 804; Downloads: 199
.pdf Full text (1,55 MB)

4.
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: 1045; Downloads: 147
.pdf Full text (2,65 MB)

Search done in 0.14 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica