diplomsko delo
Uroš Polanc (Avtor), Borut Batagelj (Mentor)

Povzetek

Naloga obravnava pristop prepoznavanja oseb na podlagi šarenice z nevronskimi mrežami. Ideja je, da na sliki očesa pravilno detektiramo območje šarenice, s katerega nato s primernimi metodami pridobimo tako imenovan vektor značilk. Vektor značilk predstavlja kratek in unikaten opis posamezne slike. Za nevronske mreže smo uporabili klasične nevronske mreže, ki smo jim kot vhod podali vektorje značilk. Na koncu smo preizkusili še konvolucijske nevronske mreže, kjer smo kot vhod podali originalno sliko. Pri klasičnih nevronskih mrežah smo testirali večje število kombinacij metod izboljšave slike, metod izbire značilk ter nevronskih mrež. Izkazalo se je, da mreže za prepoznavanje vzorcev v kombinaciji z Gaborjevimi filtri dosegajo točnost 95,7 procenta. Pri konvolucijskih nevronskih mrežah pa se je najbolje izkazala mreža ResNet50 s točnostjo 96,4 procenta.

Ključne besede

računalniški vid;globoko učenje;nevronske mreže;konvolucijske nevronske mreže;segmentacija šarenice;računalništvo;računalništvo in informatika;visokošolski strokovni študij;diplomske naloge;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.11 - Diplomsko delo
Organizacija: UL FRI - Fakulteta za računalništvo in informatiko
Založnik: [U. Polanc]
UDK: 004.032.26(043.2)
COBISS: 1538546115 Povezava se bo odprla v novem oknu
Št. ogledov: 2703
Št. prenosov: 302
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Iris recognition using artificial neural networks
Sekundarni povzetek: The thesis deals with the approach of iris recognition using neural networks. The idea is to correctly detect the iris region from the image of the eye, from which, using suitable algorithms and methods, we then obtain the so-called feature vector. The feature vector represents a compact and unique description of each image, which is then passed to different neural networks. For the neural networks, we use classical neural networks, which are given feature vectors as input. In the end, we also test the convolutional neural networks where the original image is given as input. For classical neural networks, we tested a large number of combinations of image enhancement methods, feature extraction methods and neural networks. Pattern recognition network, in combination with Gabor filters, has been shown to achieve the best accuracy of 95.7 percent. Meanwhile, for convolutional neural networks, the ResNet50 network performed best with an accuracy of 96.4 percent.
Sekundarne ključne besede: computer vision;deep learning;neural network;convolutional neural network;iris segmentation;computer science;computer and information science;diploma;
Vrsta dela (COBISS): Diplomsko delo/naloga
Študijski program: 1000470
Konec prepovedi (OpenAIRE): 1970-01-01
Komentar na gradivo: Univ. v Ljubljani, Fak. za računalništvo in informatiko
Strani: 61 str.
ID: 11418721