| | 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 - 8 / 8
First pagePrevious page1Next pageLast page
1.
RAZPOZNAVANJE OBRAZOV IN OČI V DIGITALNIH SLIKAH
Uroš Mlakar, 2010, bachelor thesis/paper

Abstract: V tem diplomskem delu se ukvarjamo z razpoznavanjem obrazov in oči na digitalnih slikah. Najprej pregledamo obstoječe metode s tega področja, zatem pa razvijemo in implementiramo lasten algoritem za omenjen problem. Pri načrtovanju algoritma smo privzeli, da mora biti vhodna slika dobro osvetljena, na sliki se lahko nahaja zgolj ena oseba, pogled osebe pa je lahko poljuben. Algoritem sestoji iz treh zaporednih korakov. V prvem koraku ločimo obraz od ozadja, nato pa obraz izrežemo iz vhodne slike. V tretjem koraku še v zgornji polovici izrezane slike poiščemo oči. Uporabljena segmentacijska in klasifikacijska metoda je pragovna operacija. Algoritem smo preizkusili na 70 testnih slikah velikosti 255 x 300 slikovnih elementov, ki smo jih zajeli z digitalnim fotoaparatom. Uspešnost razpoznavanja oči je bila 85 % pri poljubnem pogledu osebe, pri frontalnem pogledu osebe pa je ta uspešnost narastla na 92,4 %.
Keywords: digitalna obdelava slik, razpoznavanje obrazov, razpoznavanje oči, segmentacija
Published: 06.12.2010; Views: 2203; Downloads: 173
.pdf Full text (1,20 MB)

2.
OCENJEVANJE ČUSTVA OSEBE NA OSNOVI DIGITALNIH POSNETKOV
Uroš Mlakar, 2014, master's thesis

Abstract: V tem magistrskem delu smo se ukvarjali s študijem postopkov za razpoznavanje človeških čustev na osnovi digitalnih posnetkov. V praktičnem delu te magistrske naloge smo razvili izviren računalniški razpoznavalni sistem, ki temelji na teksturnih značilkah. Algoritem v prvem koraku poišče grob položaj obraza na vhodni sliki, zatem pa v dobljeni regiji računamo ujemanje obraza z modelom AAM (Active Appearance Models). Nato rotiramo obraz za izračunan kot v pravilen frontalni položaj. V zadnji fazi algoritma s pomočjo koordinat iz modela AAM natančno izrežemo obraz iz slike, zatem pa obraz aproksimiramo z elipso, s čimer odstranimo odvečne informacije z slike. Obrezan obraz na koncu popišemo s teksturno značilko HOG (Histogram of Oriented Gradients). Vmesni rezultat je histogram, ki ga posredujemo v stroje SVM (Support Vector Machines) za klasifikacijo, pri čemer za vsako od šestih osnovnih emocij naučimo lasten SVM. Razvili smo dve varianti algoritma, in sicer algoritem na osnovi statičnih 2D slik in algoritem na osnovi slik razlik. Prvi algoritem uporablja za razpoznavanje čustev le trenutno sliko opazovane osebe, medtem ko drugi algoritem detektira spremembe obraza pri izražanju čustev. Algoritem na osnovi statičnih 2D slik smo nadgradili z algoritmom Adaboost, algoritem na osnovi slik razlik pa smo razširili s tremi variantami, kjer pri gradnji histograma s pomočjo interpolacije vnesemo še vmesne korake pri spreminjanju obraza iz nevtralnega v obraz z izkazanim čustvom. Razvite algoritme smo testirali na dveh javno dostopnih testnih podatkovnih bazah: bazi MMI Facial Expression Database (MMI) in bazi Cohn-Kanade. Z algoritmom na osnovi statičnih 2D slik smo na bazi MMI dosegli najvišjo uspešnost 76,31 %, na bazi CK pa 91,49 %. Z algoritmom na osnovi slik razlik pa smo na bazi MMI dosegli 74,63 % uspešnost, na bazi CK pa se je uspešnost prepoznavanja čustev povzpela kar na 95,64 %.
Keywords: obdelava digitalnih slik, razpoznavanje vzorcev, prepoznavanje čustev, obrazi, teksturne značilke
Published: 20.05.2014; Views: 1906; Downloads: 232
.pdf Full text (2,56 MB)

3.
4.
Sistemska administracija
Iztok Fister, Uroš Mlakar, Janez Brest, 2018, other educational material

Keywords: datoteke, programiranje, računalniška arhitektura
Published: 15.01.2018; Views: 728; Downloads: 135
.pdf Full text (4,76 MB)
This document has many files! More...

5.
Povezljivi sistemi in inteligentne storitve
Iztok Fister, Uroš Mlakar, Janez Brest, 2018, other educational material

Keywords: povezljivi sistemi, inteligentne storitve, naloge
Published: 15.01.2018; Views: 554; Downloads: 112
.pdf Full text (426,15 KB)

6.
Razpoznavanje čustvenih izrazov s pomočjo globokih nevronskih mrež
Gregor Štefanič, 2019, undergraduate thesis

Abstract: V diplomskem delu smo se ukvarjali z razpoznavanjem čustvenih izrazov z digitalnih slik obrazov. Razpoznavali smo med sedmimi čustvenimi izrazi, vključno z nevtralnim. Pregledali smo obstoječa dela na področju razpoznavanja čustvenih izrazov, preučili globoke nevronske mreže in pripravili arhitekturo, ki je primerna za razpoznavanje čustvenih izrazov s slik. Uporabili smo arhitekturo z residualno nevronsko mrežo. Našo rešitev smo razvili s pomočjo ogrodja TensorFlow in programskega vmesnika Keras. Implementirali in preizkusili smo jo na mešanih slikah iz podatkovnih baz JAFFE, CK in MMI. Natančnost razpoznavanja čustvenih izrazov na 1017 testnih slikah z našo nevronsko mrežo je bila v povprečju 99,3-odstotna, kar je primerljivo oziroma boljše od sorodnih del.
Keywords: razpoznavanje čustvenih izrazov, globoka nevronska mreža, računalniški vid, residualna nevronska mreža
Published: 23.11.2019; Views: 210; Downloads: 83
.pdf Full text (1,37 MB)

7.
Primerjava razvoja mobilnih aplikacij za operacijska sistema iOS in Android
Sebastjan Juhart, 2019, undergraduate thesis

Abstract: V diplomskem delu primerjamo razvoj mobilnih aplikacij za operacijska sistema iOS in Android. Na začetku predstavimo operacijska sistema in vrste mobilnih aplikacij, nato primerjamo razvojni okolji ter programska jezika swift in java. V nadaljevanju opišemo ustvarjanje projektov in datotek ter izpostavimo razlike med njunim razvojem. Diplomsko delo zaključimo s predstavitvijo aplikacij obeh sistemov in z analizo pridobljenih rezultatov.
Keywords: mobilne aplikacije, razvoj mobilnih aplikacij, iOS, Android, XCode, Android Studio
Published: 21.11.2019; Views: 239; Downloads: 96
.pdf Full text (2,04 MB)

8.
Razpoznavanje čustvenih izrazov osebe iz slikovnega materiala z algoritmom diferencialne evolucije za izbiro značilnic
Uroš Mlakar, 2019, doctoral dissertation

Abstract: V disertaciji se ukvarjamo z razvojem učinkovitega programskega sistema za izbiro značilnic, na primeru aplikacije prepoznavanja čustvenih izrazov. Predlagan sistem, ki prepoznava sedem prototipnih čustvenih izrazov, vključno z nevtralnim izrazom, temelji na histogramih usmerjenih gradientov (HOG) in vektorjih razlik. Izbiro obraznih značilnic smo izvedli z uporabo ustrezno prilagojenega algoritma diferencialne evolucije za večkriterijsko optimizacijo, ki je hkrati minimiziral velikost izbrane podmnožice značilnic in maksimiziral natančnost razpoznavanja čustvenih izrazov. Razvili smo dve strategiji izbire značilnic, poimenovani "specifična” in ”splošna”. Statistični Friedmanov test je pokazal, da je ”splošna” strategija izbire značilnic primernejša. Implementiran sistem za razpoznavo čustvenih izrazov smo preizkusilina treh pogosto uporabljenih javnih podatkovnih bazah. Na podatkovni bazi Cohn-Kanade smo dosegli 98,37 % povprečno uspešnost prepoznavanja čustvenih izrazov, na podatkovni bazi JAFFE 92,75 % uspešnost in na najzahtevnejši podatkovni bazi MMI s spontanimi čustvenimi izrazi 84,07 % uspešnost. Število uporabljenih značilnic smo uspeli zmanjšati za 89 % originalne velikosti vektorja značilnic. Predlagan algoritem po uspešnosti sodi v sam vrh algoritmov za prepoznavanje čustvenih izrazov oseb, hkrati pa signifikantno zmanjša število uporabljenih značilnic, kar posledično pomeni nižjo računsko zahtevnost učenja klasifikatorjev. S to disertacijo smo demonstrirali učinkovito uporabo algoritma diferencialne evolucije za večkriterijsko optimizacijo na problemu prepoznavanja čustvenih izrazov.
Keywords: razpoznavanje čustvenih izrazov, izbira značilnic, diferencialna evolucija, razlike vektorjev značilnic, večkriterijska optimizacija
Published: 11.03.2019; Views: 570; Downloads: 115
.pdf Full text (1,78 MB)

Search done in 0.23 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica