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 - 9 / 9
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
PRIMERJAVA ALGORITMOV ZA BARVNO KALIBRIRANJE DIGITALNIH SLIK
Martin Šavc, 2011, diplomsko delo

Opis: V diplomskem delu raziskujemo barvno vtzrajnost za digitalne slike. V uvodu predstavimo problem osvetlitve pri analizi barvnih slik. Barvno vztrajnost povezujemo s prilagajanjem osvetlitvi, ki ga zmore človeški in živalski vid. Naš cilj je preučiti obstoječe algoritme za barvno vztrajnost in nato razviti lasten algoritem, ki bi ga lahko uporabili pri nadaljnjem raziskovanju na področju računalniškega vida. Najprej smo se seznanili s programskimi orodji, ki že vključujejo pogosto uporabljane algoritme za obdelavo slik in video posnetkov. Podrobneje opisujemo tudi rutine in koncepte, ki smo jih srečali pri poglobljenem študiju algoritmov za barvno vztrajnost. Nekatere od njih smo izbrali kot izhodišče pri razvoju lastne metode za barvno korekcijo slik. Dodatno poglavje namenjamo barvnemu kalibratorju. Uporabljamo ga za ocenjevanje algoritmov in tudi kot referenco pri nadzorovanem strojnem učenju. Osrednji del diplome je posvečen razvoju in opisu lastne metode. Razvili smo jo kot obteženo vsoto obstoječih algoritmov, ki imajo komplementarne lastnosti, tako da njihova združitev odpravlja slabosti posameznih pristopov. Uteži za linearne kombinacije petih izbranih algoritmov smo določali s štirimi metodami, in sicer od preproste z enakimi utežmi do najzahtevnejše s strojnim učenjem. V eksperimentih smo za vrednotenje rezultatov in delovanja metod uporabili barvni kalibrator. Ugotavljamo, da postopek za barvno vztrajnost, ki smo ga razvili, dosega boljše rezultate kot posamezni algoritmi, iz katerih je sestavljen.
Ključne besede: osvetlitev, barve, barvna vztrajnost, ravnovesje beline, računalniški vid, mešanica metod, obtežena vsota, barvni kalibrator, barvne slike
Objavljeno: 21.07.2011; Ogledov: 1616; Prenosov: 164
.pdf Celotno besedilo (13,16 MB)

2.
POPRAVLJANJE BARV NA SLIKAH S POMOČJO BARVNEGA KALIBRATORJA IN ALGORITMOV BARVNE VZTRAJNOSTI
Štefan Črešnar, 2016, diplomsko delo

Opis: 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.
Ključne besede: barvni kalibrator, digitalna obdelava slik, popravljanje barv, algoritem barvne vztrajnosti, algoritem za nastavitev beline
Objavljeno: 21.09.2016; Ogledov: 289; Prenosov: 34
.pdf Celotno besedilo (3,18 MB)

3.
AVTOMATSKO PREPOZNAVANJE UST IZ DIGITALNIH POSNETKOV S POMOČJO AKTIVNIH MODELOV
Aljaž Frančič, 2015, diplomsko delo

Opis: V diplomskem delu so raziskane metode računalniškega vida za avtomatsko prepoznavanje ust iz digitalnih posnetkov, pri čemer so v ospredje postavljeni aktivni modeli. V uvodu so natančneje predstavljeni problem, cilji, omejitve in struktura diplomskega dela. Preučene so tri metode, ki temeljijo na aktivnih modelih: aktivni modeli kontur, aktivni modeli oblike in aktivni modeli izgleda. Poudarek je na slednjima in njuna uporaba je v delu tudi demonstrirana. Predstavljen je nov pristop za detekcijo ustnic, imenovan dvofazni aktivni model izgleda. Za aktivni model izgleda je sintetizirana lastna učna in testna množica vzorcev tako za eno-, kot tudi dvofazni model. V zaključnih poglavjih sta podani še kvalitativna in kvantitativna primerjava treh podanih algoritmov, pri čemer je kot ena izmed metrik uporabljena Hausdorffova razdalja. Najboljši rezultati na naši lastni testni množici so doseženi z dvofaznim aktivnim modelom izgleda.
Ključne besede: prepoznavanje ust, aktivni modeli kontur, aktivni modeli oblike, aktivni modeli izgleda, OpenCV, računalniški vid, razpoznavanje vzorcev
Objavljeno: 17.07.2015; Ogledov: 1113; Prenosov: 217
.pdf Celotno besedilo (2,74 MB)

4.
PREPOZNAVANJE PREPROSTIH GEST S POMOČJO SENZORJA KINECT
Primož Rojko, 2016, magistrsko delo

Opis: 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.
Ključne besede: Microsoft Kinect, gesta, prepoznavanje gest, algoritem dinamičnega časovnega sledenja, računalniški vid, konveksna lupina
Objavljeno: 14.03.2016; Ogledov: 600; Prenosov: 98
.pdf Celotno besedilo (3,26 MB)

5.
Avtomatsko nastavljanje parametrov segmentacijske metode aplikacije virtualna tipkovnica s pomočjo nevronske mreže
Aljaž Javornik, 2017, diplomsko delo

Opis: 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.
Ključne besede: virtualna tipkovnica, segmentacija slik, nevronska mreža, globoka nevronska mreža, konvolucijska nevronska mreža, kompenzacija osvetlitve, predobdelava, eno-nivojski retineks
Objavljeno: 28.02.2017; Ogledov: 616; Prenosov: 84
.pdf Celotno besedilo (2,65 MB)

6.
Primerjava segmentacijskih algoritmov na posnetkih zdravih in obolelih očeh
Sandi Krivec, 2018, magistrsko delo

Opis: 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.
Ključne besede: napredna obdelava slik, segmentacija očesa, segmentacijski postopki, zaznava bolezni človeškega očesa.
Objavljeno: 14.06.2018; Ogledov: 91; Prenosov: 14
.pdf Celotno besedilo (3,06 MB)

7.
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: 349; Prenosov: 44
.pdf Celotno besedilo (2,69 MB)

8.
Prepoznavanje aktivnosti osebe iz zaporedja slik s pomočjo konvolucijskih nevronskih mrež
Mihael Baketarić, 2018, diplomsko delo

Opis: 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.
Ključne besede: računalniški vid, konvolucijska nevronska mreža, globoko učenje, detekcija oseb, prepoznavanje aktivnosti osebe
Objavljeno: 19.10.2018; Ogledov: 49; Prenosov: 28
.pdf Celotno besedilo (1,55 MB)

9.
Detekcija karakterističnih točk na rentgenskih posnetkih glave s pomočjo tehnik globokega učenja
Gašper Sedej, 2018, magistrsko delo

Opis: 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.
Ključne besede: globoko učenje, nevronske mreže, kefalometrija, razpoznavanje vzorcev, optimizacija, paralelno izvajanje
Objavljeno: 10.01.2019; Ogledov: 151; Prenosov: 21
.pdf Celotno besedilo (5,14 MB)

Iskanje izvedeno v 0.09 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici