| | 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 - 8 / 8
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
Ocenjevanje starosti osebe na osnovi digitalnih posnetkov z uporabo konvolucijskih nevronskih mrež
Tilen Krel, 2021, magistrsko delo

Opis: Magistrsko delo se ukvarja z ocenjevanjem starosti osebe na osnovi digitalnih posnetkov z uporabo konvolucijskih nevronskih mrež. Razvit in implementiran je bil lasten model konvolucijske nevronske mreže za ocenjevanje starosti osebe iz digitalnega posnetka. Kot osnova za naš model je bila uporabljena in modificirana obstoječa arhitektura konvolucijske nevronske mreže VGG-Face, namenjena razpoznavanju obrazov. Za učenje in testiranje sta bili uporabljeni bazi podatkov IMDB-WIKI in FG-NET. Na bazi podatkov IMDB-WIKI je bila dosežena povprečna napaka med dejansko in ocenjeno starostjo 6,7 leta, na bazi podatkov FG-NET pa z validacijsko metodo »izpusti-eno-osebo« izračunana povprečna napaka med dejansko in ocenjeno starostjo 3,9 leta. Dobljeni rezultati so primerljivi oziroma le malo zaostajajo za najuspešnejšimi metodami za ocenjevanje starosti osebe z digitalnega posnetka. Na tej osnovi se naš model ocenjuje kot primeren za uporabo v produkcijskih rešitvah.
Ključne besede: računalniški vid, konvolucijske nevronske mreže, globoko učenje, ocenjevanje starosti
Objavljeno: 17.02.2021; Ogledov: 156; Prenosov: 28
.pdf Celotno besedilo (1,01 MB)

2.
Razpoznavanje človeških emocij na digitalnih posnetkih s pomočjo konvolucijskih nevronskih mrež
Aleš Pernat, 2020, magistrsko delo

Opis: V magistrskem delu smo se ukvarjali z razvrščanjem šestih osnovnih človeških emocij in nevtralnega izraza s pomočjo digitalnih posnetkov in konvolucijskih nevronskih mrež. Pregledali smo področje razpoznavanja človeških emocij in natančno preučili konvolucijske nevronske mreže. Implementirali smo več modelov sodobnih konvolucijskih nevronskih mrež, ob tem pa razvili tudi lastne modele. Uporabili smo knjižnico Tensorflow in programski jezik Python. Naše predlagane rešitve smo preizkusili na prosto dostopnih podatkovnih zbirkah CK+, MMI in JAFFE. Slike iz podatkovnih zbirk smo obogatili z zrcaljenjem in rotiranjem, tako da smo dobili večjo količino podatkov. Za validiranje smo uporabili pristop, neodvisen od subjekta, in petkratno navzkrižno validacijo. Najboljši rezultati razvrščanja z našimi predlaganimi metodami so bili 91,65 % na zbirki CK+, 59,08 % na zbirki MMI in 67,86 % na zbirki JAFFE. Rezultati na zbirki CK+ so primerljivi z rezultati sorodnih del, na preostalih dveh zbirkah pa je uspešnost razvrščanja z našimi pristopi bistveno slabša od rezultatov sorodnih del.
Ključne besede: človeške emocije, konvolucijske nevronske mreže, digitalne slike, strojno učenje
Objavljeno: 04.01.2021; Ogledov: 116; Prenosov: 28
.pdf Celotno besedilo (1,30 MB)

3.
Napovedovanje geoprostorskih rastrskih podatkov s konvolucijskimi nevronskimi mrežami
Mitja Žalik, 2020, diplomsko delo

Opis: V diplomskem delu predstavimo uporabo konvolucijskih nevronskih mrež za napoved geoprostorskih rastrskih podatkov. V prvem delu opišemo geoprostorske podatke in zgradbo ter značilnosti konvolucijskih nevronskih mrež. V drugem delu predlagamo model nevronske mreže, ki ga uporabimo za dolgoročno napoved sončnega potenciala in kratkoročno napoved vegetacijskega indeksa NDVI. Povprečna napaka po metriki NRMSE znaša 0,22% pri napovedi sončnega potenciala in 15% pri napovedi indeksa NDVI. Diplomsko delo zaključimo s predlogi možnih razširitev.
Ključne besede: umetna inteligenca, globoko učenje, konvolucijske nevronske mreže, geoprostorski podatki, rastrski podatki
Objavljeno: 04.11.2020; Ogledov: 117; Prenosov: 37
.pdf Celotno besedilo (3,14 MB)

4.
Klasifikacija časovnih vrst s konvolucijskimi nevronskimi mrežami
Domen Kavran, 2020, magistrsko delo

Opis: V magistrskem delu predstavimo klasifikacijo časovnih vrst z uporabo konvolucijskih nevronskih mrež. Klasifikacija je izvedena nad časovno-frekvenčnimi predstavitvami časovnih vrst, ki so pridobljene z različnimi metodami časovno-frekvenčne analize. Zasnovali smo več arhitektur konvolucijskih nevronskih mrež za klasifikacijo časovnih vrst. Optimizacijski algoritmi za učenje konvolucijskih nevronskih mrež so uporabljali napredno izgubno funkcijo, imenovano žariščna izguba. Za najuspešnejšo metodo izračuna časovno-frekvenčnih predstavitev časovnih vrst se je izkazala zvezna valčna transformacija, s katero smo dosegli povprečno natančnost klasifikacije 90,07 %. Združitev različnih časovno-frekvenčnih predstavitev je izboljšala povprečno natančnost klasifikacije na 92,01 %.
Ključne besede: klasifikacija, globoko učenje, konvolucijske nevronske mreže, časovne vrste, časovno-frekvenčna analiza
Objavljeno: 03.07.2020; Ogledov: 295; Prenosov: 117
.pdf Celotno besedilo (10,95 MB)

5.
Uporabniška programska oprema za napredno organiziranje in urejanje digitalnih slik na osnovi nevronskih mrež
Kristjan Žagar, 2019, diplomsko delo

Opis: 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.
Ključne besede: fotografije, windows aplikacija, programski jezik C#, konvolucijske nevronske mreže
Objavljeno: 23.11.2019; Ogledov: 286; Prenosov: 35
.pdf Celotno besedilo (1,99 MB)

6.
Razvoj naprednega sistema za detektiranje voznih pasov na platformah GPU
Karlo Crnek, 2019, magistrsko delo

Opis: Problem, ki ga obravnavamo v magistrski nalogi je detektiranje voznih pasov na RGB slikah oz. posnetkih ceste pred vozilom med vožnjo. Za rešitev tega problema smo se odločili uporabiti tehnike »globokega učenja«, predvsem konvolucijske nevronske mreže, s katerimi smo izvedli semantično segmentiranje. Problem smo reševali s tremi različnimi arhitekturami nevronskih mrež, ki smo jih učili na naboru podatkov BDD100k. Modele mrež smo nato testirali in primerjali rezultate s pomočjo IoU metrike za semantično segmentacijo. Opravili smo tudi več eksperimentov s ciljem izboljšanja IoU vrednosti in generalizacije modelov. Na koncu smo modele testirali tudi na Nvidia Jetson TX2 platformi in predlagali možnost vključitve takšnih modelov v sistem avtonomnega vozila.
Ključne besede: globoko učenje, konvolucijske nevronske mreže, segmentacija voznega pasu, strojni vid, avtonomno vozilo
Objavljeno: 13.11.2019; Ogledov: 641; Prenosov: 111
.pdf Celotno besedilo (3,48 MB)

7.
Priprava učne množice fotografij in njihova klasifikacija z uporabo globokih nevronskih mrež
Bojan Jan Javornik, 2019, diplomsko delo

Opis: Cilj diplomske naloge je preizkusiti klasifikacijo slik s pomočjo globokih nevronskih mrež. Odločili smo se za uporabo konvolucijskih nevronskih mrež, saj so najbolj razširjene na področju klasifikacije slik, učne in testno množico pa smo pripravili sami. Modele mreže smo gradili in učili v programskem jeziku Python s pomočjo knjižnice Keras. Opišemo kako smo slike pretvorili v vhode konvolucijske nevronske mreže in kakšne modele smo zgradili. Primernost modelov smo ugotavljali z navzkrižno validacijo, nato pa smo jih preizkusili še na testni množici. Vse rezultate tudi predstavimo in povemo ugotovitve.
Ključne besede: globoko učenje, konvolucijske nevronske mreže, klasifikacija slik
Objavljeno: 11.11.2019; Ogledov: 437; Prenosov: 50
.pdf Celotno besedilo (3,49 MB)

8.
Prepoznavanje jedi iz digitalnih slik s pomočjo konvolucijskih nevronskih mrež
Jan Banko, 2018, diplomsko delo

Opis: 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«.
Ključne besede: računalniški vid, prepoznavanje hrane, konvolucijske nevronske mreže, Tensorflow
Objavljeno: 31.08.2018; Ogledov: 1198; Prenosov: 213
.pdf Celotno besedilo (2,69 MB)

Iskanje izvedeno v 0.29 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici