| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Iskanje po katalogu digitalne knjižnice Pomoč

Iskalni niz: išči po
išči po
išči po
išči po
* po starem in bolonjskem študiju

Opcije:
  Ponastavi


1 - 10 / 22
Na začetekNa prejšnjo stran123Na naslednjo stranNa konec
1.
Razpoznava objektov ter napovedovanje njihovega obnašanja v aplikacijah za avtonomno vožnjo : magistrsko delo
Niko Kolar, 2024, magistrsko delo

Opis: 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.
Ključne besede: avtonomna vožnja, stereo vid, računalniški vid, konvolucijske nevronske mreže
Objavljeno v DKUM: 14.10.2024; Ogledov: 0; Prenosov: 17
.pdf Celotno besedilo (3,98 MB)

2.
Določanje uspešnosti počepa s pomočjo strojnega vida
Nejc Graj, 2024, diplomsko delo

Opis: 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.
Ključne besede: strojni vid, globoko učenje, konvolucijske nevronske mreže, powerlifting
Objavljeno v DKUM: 19.09.2024; Ogledov: 0; Prenosov: 18
.pdf Celotno besedilo (3,43 MB)

3.
Primerjava modernih konvolucijskih nevronskih mrež na problemu segmentiranja slik : diplomsko delo
Ivana Dukarić, 2024, diplomsko delo

Opis: 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.
Ključne besede: binarna segmentacija, konvolucijske nevronske mreže, primerjava mrež, evalvacijske metrike, računalniški vid
Objavljeno v DKUM: 26.04.2024; Ogledov: 506; Prenosov: 86
.pdf Celotno besedilo (3,19 MB)

4.
Razvoj sistema za prepoznavanje obrazov
Nejc Čelik, 2023, magistrsko delo

Opis: 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.
Ključne besede: prepoznavanje obrazov, konvolucijske nevronske mreže, razvoj sistemov
Objavljeno v DKUM: 22.11.2023; Ogledov: 434; Prenosov: 59
.pdf Celotno besedilo (4,21 MB)

5.
Kombiniranje več modelov razvrščanja vzorcev na primeru ocenjevanja starosti osebe iz digitalnih posnetkov : diplomsko delo
Tadej Horvat, 2023, diplomsko delo

Opis: 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.
Ključne besede: ocenjevanje starosti oseb, konvolucijske nevronske mreže, ansambelsko učenje
Objavljeno v DKUM: 05.10.2023; Ogledov: 424; Prenosov: 28
.pdf Celotno besedilo (1,75 MB)

6.
Samodejna razpoznava značilnosti oči s strojnim učenjem na podlagi manjše učne množice : magistrsko delo
Gregor Horvat, 2023, magistrsko delo

Opis: V magistrskem delu sta opisani zasnovi dveh pristopov strojnega učenja za razpoznavo značilnosti v človeškem očesu na podlagi majhne učne množice. Implementirani sta dve tehniki; semantična segmentacija in lokalizacija. Obe rešitvi delujeta na osnovi konvolucijskih nevronskih mrež in iz digitalnih fotografij očes razpoznata položaj zenice, zunanjo obrobo šarenice ter barvo le-te. Problem omejene učne množice smo naslovili z uporabo več tehnik obogatitve učne množice na podlagi obstoječih učnih podatkov. Najboljše rezultate je dosegla segmentacijska nevronska mreža, tehnike obogatitve učne množice pa so se izkazale za nepogrešljive pri učenju na majhni učni množici.
Ključne besede: konvolucijske nevronske mreže, semantična segmentacija, lokalizacija, obogatitev učne množice
Objavljeno v DKUM: 13.03.2023; Ogledov: 729; Prenosov: 125
.pdf Celotno besedilo (6,03 MB)

7.
Storitev interaktivnega spremljanja avdiovizualnih vsebin v okolju IPTV : master's thesis
Luka Banfi, 2022, magistrsko delo

Opis: 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.
Ključne besede: IPTV, interaktivnost, konvolucijske nevronske mreže
Objavljeno v DKUM: 25.01.2023; Ogledov: 692; Prenosov: 68
.pdf Celotno besedilo (3,56 MB)

8.
Orodje za ročno ali avtomatsko reševanje ugank nurikabe : magistrsko delo
Kristjan Žagar, 2022, magistrsko delo

Opis: 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.
Ključne besede: nurikabe, aplikacija windows, spletna aplikacija, konvolucijske nevronske mreže
Objavljeno v DKUM: 26.10.2022; Ogledov: 730; Prenosov: 168
.pdf Celotno besedilo (3,23 MB)

9.
Razpoznavanje drevesnih značilnosti iz fotografije s pomočjo konvolucijskih nevronskih mrež : diplomsko delo
Žan Hozjan, 2022, diplomsko delo

Opis: 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.
Ključne besede: razpoznavanje drevesnih značilnosti, konvolucijske nevronske mreže, računalniški vid, TensorFlow, mobilno računalništvo, postavitev strežniške arhitekture, odjemalec-strežnik
Objavljeno v DKUM: 24.10.2022; Ogledov: 740; Prenosov: 72
.pdf Celotno besedilo (6,33 MB)
Gradivo ima več datotek! Več...

10.
Uporaba umetne inteligence za preslikavo človeškega gibanja v 3D modele : magistrsko delo
Primož Stopar, 2022, magistrsko delo

Opis: 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.
Ključne besede: MediaPipe, BlazePose, ocenitev poze, sledenje pozam, konvolucijske nevronske mreže
Objavljeno v DKUM: 08.07.2022; Ogledov: 796; Prenosov: 130
.pdf Celotno besedilo (3,82 MB)

Iskanje izvedeno v 0.31 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici