1. Razpoznava objektov ter napovedovanje njihovega obnašanja v aplikacijah za avtonomno vožnjoNiko Kolar, 2024, master's thesis Abstract: V magistrskem delu smo se osredotočili na raziskovanje in implementacijo sistema za avtonomno vožnjo, ki služi kot osnova za sprejemanje odločitev. Informacije iz okolice vozila pridobivamo zgolj s pomočjo kamere. Za implementacijo smo uporabili dve vrsti kamer, in sicer monokularno ter stereo. Nad podatki monokularne kamere smo implementirali algoritme za prepoznavanje objektov v okolici vozila, sledenje tem objektom skozi zaporedje slik, zaznavanje voznega pasu, določanje pozicije vozila na njem in ocenjevanje časa do roba vozišča. Podatke stereo kamere smo uporabili za določanje razdalje do prepoznanih objektov ter konstrukcijo 3D strukture okolice premikajočega se vozila. Keywords: Avtonomna vožnja, stereo vid, računalniški vid, konvolucijske nevronske mreže Published in DKUM: 14.10.2024; Views: 0; Downloads: 15 Full text (3,98 MB) |
2. Določanje uspešnosti počepa s pomočjo strojnega vidaNejc Graj, 2024, undergraduate thesis Abstract: V tem diplomskem delu bomo predstavili področje strojnega učenja, bolj specifično področje
globokega učenja. V teoretičnem delu bomo prikazali, kako se je strojno učenje do sedaj že
uporabljalo v športu, kako strojno in globoko učenje delujeta ter kako poteka proces učenja
konvolucijskih nevronskih mrež. V praktičnem delu bomo ustvarili svojo učno množico in
nato z algoritmom, ki je zasnovan na konvolucijskih nevronskih mrežah, ustvarili model, ki
je zmožen določati uspešnost počepa po pravilih zveze za Powerlifting. Keywords: strojni vid, globoko učenje, konvolucijske nevronske mreže, powerlifting Published in DKUM: 19.09.2024; Views: 0; Downloads: 10 Full text (3,43 MB) |
3. Primerjava modernih konvolucijskih nevronskih mrež na problemu segmentiranja slik : diplomsko deloIvana Dukarić, 2024, undergraduate thesis Abstract: V diplomskem delu smo preučevali in analizirali rezultate arhitektur konvolucijskih nevronskih mrež na problemu binarne segmentacije. V teoretičnem delu smo preučili arhitekture konvolucijskih nevronskih mrež SegFormer, DeepLapV3+, Gated-SCNN, Segmenter, FastFCN in TopFormer. V praktičnem delu diplomskega dela smo mreže SegFormer, Segmenter, FastFCN in TopFormer učili segmentirati slike na podatkovnih množicah Cityscapes in ADE20K. Mreže smo učili binarne segmentacije vozil. Mrežo SegFormer smo še dodatno učili na problemu binarnega segmentiranja ljudi. Dobljene rezultate smo analizirali in jih ovrednotili z evalvacijskimi metrikami. Za ocenjevanje uspešnosti smo uporabili metrike točnost, priklic, natančnost, IoU in F1 oceno. Najboljše rezultate za problem binarnega segmentiranja vozil smo dobili s pomočjo mreže SegFormer na podatkovni zbirki Cityscapes. Na podatkovni zbirki ADE20K smo za enak problem segmentacije dobili najboljše rezultate za mrežo Segmenter. Najslabše sta se izkazali mreža TopFormer na podatkovni zbirki Cityscapes in mreža FastFCN na podatkovni zbirki ADE20K. Keywords: binarna segmentacija, konvolucijske nevronske mreže, primerjava mrež, evalvacijske metrike, računalniški vid Published in DKUM: 26.04.2024; Views: 506; Downloads: 83 Full text (3,19 MB) |
4. Razvoj sistema za prepoznavanje obrazovNejc Čelik, 2023, master's thesis Abstract: V magistrskem delu smo opisali problem razvoja sistemov za prepoznavanje obrazov. Sistemi za prepoznavanje obrazov morajo poleg ločevanja med obrazi različnih oseb za mnoge primere uporabe, kot je na primer kontrola dostopa, biti sposobni ločiti med resničnimi in lažnimi obrazi (npr. natisnjena fotografija). Brez sposobnosti zaznave lažnih obrazov imajo sistemi za prepoznavanje obrazov veliko ranljivost z vidika varnosti. Predstavili smo moderne tehnologije strojnega učenja, ki omogočajo izdelavo modelov za 2D prepoznavanje obrazov in prepoznavanje lažnih obrazov. Poleg tehnologij smo predstavili tudi proces razvoja modela za prepoznavanje obrazov z omejeno količino podatkov brez uporabe etično vprašljivih podatkovnih množic in proces razvoja modela za prepoznavanje lažnih obrazov. Keywords: prepoznavanje obrazov, konvolucijske nevronske mreže, razvoj sistemov Published in DKUM: 22.11.2023; Views: 434; Downloads: 57 Full text (4,21 MB) |
5. Kombiniranje več modelov razvrščanja vzorcev na primeru ocenjevanja starosti osebe iz digitalnih posnetkov : diplomsko deloTadej Horvat, 2023, undergraduate thesis Abstract: V tej diplomski nalogi se ukvarjamo s kombiniranjem različnih prosto dostopnih modelov konvolucijskih nevronskih mrež za reševanje problema ocenjevanja starosti oseb iz digitalnih posnetkov. Naš cilj je bil implementirati ansambelske metode, ki so bolj uspešne od vsakega posameznega modela v našem ansamblu. Kombinirali smo pet osnovnih modelov konvolucijskih nevronskih mrež, in sicer Xception, ResNet152V2, InceptionV3, InceptionResNetV2 in EfficientNetV2B0. Modele smo kombinirali na nivoju rezultatov in na nivoju značilnic, pri čemer smo implementirali štiri metode kombiniranja na nivoju rezultatov in pet metod kombiniranja na nivoju značilnic. Za učenje posameznih modelov in testiranje metod smo uporabili bazo podatkov UTKFace. Najboljši rezultat smo dosegli z metodo večslojnega »stackinga«, in sicer srednjo absolutno napako 4,526 let nad našo testno množico. Rezultat le malenkost zaostaja za rezultati najboljših sodobnih metod ocenjevanja starosti iz digitalnih posnetkov. Keywords: ocenjevanje starosti oseb, konvolucijske nevronske mreže, ansambelsko učenje Published in DKUM: 05.10.2023; Views: 424; Downloads: 28 Full text (1,75 MB) |
6. |
7. Storitev interaktivnega spremljanja avdiovizualnih vsebin v okolju IPTV : master's thesisLuka Banfi, 2022, master's thesis Abstract: V magistrskem delu je opisana teoretična zasnova celostne kontekstno prožene interaktivne storitve IPTV, pri kateri imajo uporabniki možnost izražanja, oz. pridajanja različnih čustvenih simbolov v okviru mikro družabnih omrežij ob skupinskem ogledu vsebin IPTV. Opisana storitev se vsebinsko osredotoča na nogomet, saj gre za enega od najpopularnejših športov, ki je zelo priljubljen med uporabniki IPTV. Pri implementaciji praktičnega dela smo se osredotočili na implementacijo uporabniškega vmesnika in komunikacije med strežnikom in odjemalci. Keywords: IPTV, interaktivnost, konvolucijske nevronske mreže Published in DKUM: 25.01.2023; Views: 692; Downloads: 68 Full text (3,56 MB) |
8. Orodje za ročno ali avtomatsko reševanje ugank nurikabe : magistrsko deloKristjan Žagar, 2022, master's thesis Abstract: V magistrskem delu smo raziskali področje reševanja ugank nurikabe. Implementirali smo algoritem za učinkovito reševanje in prikazali, zakaj je to izjemno težko za človeka kot za računalnik. Dan problem je NP-poln, kar pomeni, da ne obstaja algoritem, ki bi našel rešitev v polinomskem času. Za reševanje ugank smo izdelali namizno orodje v ogrodju .NET, s pomočjo WPF-ja ter programskega jezika C# in spletno aplikacijo s pomočjo tehnologij MongoDB, Node.js in Angular. Uganke lahko rešujemo samostojno, pri čemer lahko zaprosimo program, da nam da nasvet ali pa če obupamo, polje reši namesto nas. Raziskali in implementirali smo tudi reševanja nurikabe ugank s pomočjo nevronskih mrež. Naša orodja in algoritem smo ovrednotili tako kvalitativno kot tudi kvantitativno na naključno izbranih primeri nurikabe polj. Na osnovi rezultatov lahko trdimo, da naš algoritem deluje učinkovito in orodji ponujata primerno uporabniško izkušnjo. Keywords: nurikabe, aplikacija windows, spletna aplikacija, konvolucijske nevronske mreže Published in DKUM: 26.10.2022; Views: 730; Downloads: 165 Full text (3,23 MB) |
9. Razpoznavanje drevesnih značilnosti iz fotografije s pomočjo konvolucijskih nevronskih mrež : diplomsko deloŽan Hozjan, 2022, undergraduate thesis Abstract: V diplomskem delu implementiramo sistem za razpoznavanje drevesnih značilnosti iz fotografije. Sistem v obliki mobilne aplikacije omogoča zajem fotografije drevesa in razpoznavo drevesnih značilnosti na zajeti fotografiji. Na podlagi razpoznanih značilnosti ter podane razdalje med drevesom in mobilno napravo sistem oceni višino in biomaso drevesa ter količino ogljika, ki ga vsebuje. V mobilni aplikaciji je moč nastale zapise med seboj primerjati, ter tako spremljati rast drevesa. Tekom diplomskega dela opišemo zgradbo sistema, razložimo delovanje posameznih funkcij in podamo rezultate. Keywords: razpoznavanje drevesnih značilnosti, konvolucijske nevronske mreže, računalniški vid, TensorFlow, mobilno računalništvo, postavitev strežniške arhitekture, odjemalec-strežnik Published in DKUM: 24.10.2022; Views: 740; Downloads: 72 Full text (6,33 MB) This document has many files! More... |
10. Uporaba umetne inteligence za preslikavo človeškega gibanja v 3D modele : magistrsko deloPrimož Stopar, 2022, master's thesis Abstract: V magistrskem delu smo predstavili uporabo umetne inteligence za preslikavo človeškega gibanja v trodimenzionalni model na mobilnih napravah. Predstavili smo različne načine delovanja modelov umetne inteligence za ocenitev poze. Opisali smo nekaj že naučenih modelov umetne inteligence in ogrodij, s katerimi lahko modele umetne inteligence vključimo v igralni pogon Unity. Rešitev smo implementirali v pogonu Unity z ogrodjem MediaPipe in družino modelov umetne inteligence BlazePose. Ugotovili smo, da lahko že na povprečnih mobilnih napravah dosežemo skoraj realno časovno izvajanje. Prav tako menimo, da tehnologija še ni primerna za uporabo v zdravstvene namene, je pa primerna za uporabo v aplikacijah, namenjenih zabavi. Keywords: MediaPipe, BlazePose, ocenitev poze, sledenje pozam, konvolucijske nevronske mreže Published in DKUM: 08.07.2022; Views: 796; Downloads: 129 Full text (3,82 MB) |