Pages
-
-
Prepoznavanje govora mržnje korištenjem strojnog učenja
-
Marija Maršić Opisuju se modeli i arhitekture mreža pogodni za modeliranje prirodnog jezika. Navedeni su i opisani neki od modela često korištenih za prepoznavanje govora mržnje u tekstu. Zatim je ispitana uspješnost prepoznavanja govora mržnje koristeći gubitak, preciznost i F1 vrijednost na 4 različita scenarija: skup podataka na engleskom jeziku provučen kroz model BERT, skup podataka na engleskom jeziku provučen kroz model mBERT, skup podataka na španjolskom preveden na engleski i...
-
-
Prepoznavanje govora pri upotrebi aplikacije za mobilne uređaje
-
Danica Vladić Cilj ovog završnog rada je istražiti trenutno najmodernije sustave za prepoznavanja govora i integrirati funkcionalnost prepoznavanja govora u mobilnu aplikaciju za praćenje stanja kože. Aplikacija treba omogućiti prepoznavanje glasa uživo kao i prethodno snimljeni zvučni govor u svrhu upravljanja aplikacijom. Potrebno je adresirati probleme privatnosti i sigurnosti korisnika tijekom korištenja ove funkcionalnosti zbog online pohrane podataka. Procesi registracije korisnika,...
-
-
Prepoznavanje grafičkih znakova
-
Ivan Kraljević Tema ovog završnog rada bila je prepoznavanje grafičkih znakova sa slike korištenjem strojnog učenja. U svrhu strojnog izdvajanja korišten je KNN algoritam, a platforma korištena za obradu slike, u ovom radu je OpenCV.
KNN algoritam odluku o klasifikaciji odgađa sve do trenutka predočavanja upita. Točnost izdvajanja simbola sa slike varira u ovisnosti o samoj kvaliteti slike, o obradi klasifikacijskih podataka, kao i o pravilnom odabiru hiperparametra K. Izdvajanje simbola sa slike...
-
-
Prepoznavanje hrvatskih riječi pomoću Nao robota
-
Matija Bagić U ovom radu osmišljen je sustav za prepoznavanje glasovnih naredbi za NAO robota. Implementirane su glavne komponente takvog sustava. Osmišljen je i implementiran sustav za prikupljanje glasovnih naredbi u formi web aplikacije. Uspoređena su dva postupka ekstrakcije značajki iz zvučnih zapisa, te su mel-frekvencijski kepstralni koeficijenti odabrani zbog manje vremenske složenosti. Odabrana su tri klasifikatora - stroj s potpornim vektorima, k najbližih susjeda te nasumična šuma....
-
-
Prepoznavanje i analiza plesnih pokreta modelima dubokog učenja
-
Dora Doljanin U ovome radu razvijena je računalna aplikacija MoveLab za prepoznavanje plesnih pokreta s dodatnom primjenom u vježbama posture. U tu svrhu, izrađen je vlastiti skup podataka te je primijenjena LSTM mreža za izgradnju modela dubokog učenja koja na temelju niza ključnih točaka tijela može prepoznati ljudske pokrete.
U implementaciji aplikacije razvijene u sklopu ovoga diplomskoga rada korišten je okvir MediaPipe i njegova rješenja za detekciju ključnih točaka tijela i šaka....
-
-
Prepoznavanje i grupiranje digitalnih sadržaja temeljeno na semantici
-
Sandro Pribolšan U ovom radu analizirani se modeli temeljeni na statistikama i modeli temeljeni na strojnom učenju koji su pogodni za obradu tekstualnih digitalnih sadržaja. Kroz rad se obradila obrada prirodnog jezika, automatizirano prolanaženje pojmova u jednostavnom tekstu, izrada grafa semantičkih odnosa, semantička sličnost dvaju tekstova, te rad u alatu Tropes.
-
-
Prepoznavanje i izračunavanje aritmetičkih izraza pisanih rukom
-
Ivan Mikulić U ovome radu prikazan je način rada sustava za interpretaciju i izračunavanje rukom pisanih aritmetičkih izraza.
Problem je podijeljen u tri potproblema. Prvi je izvlačenje samih simbola s platna. Drugi je klasifikacija tih simbola.
Za klasifikaciju je korištena potpuno povezana unaprijedna umjetna neuronska mreža učena algoritmom stohastičkog gradijentnog spusta.
Treći potproblem je implementacija algoritma koji na osnovu pozicija i razreda objekata stvara generativno stablo...
-
-
Prepoznavanje i klasificiranje entiteta u tekstovima i povezivanje sa semantičkim izvorima podataka
-
Domagoj Kočiš U prvom dijelu ovog rada opisane su metode koje se koriste za prepoznavanje i klasificiranje entiteta u tekstu s naglaskom na metode strojnog učenja. Opisani su klasifikatori SVM i HMM koji se vrlo često primjenjuju kod rješavanja ovog problema. Nakon toga je dan pregled nekih postojećih alata i gotovih implementacija sustava za prepoznavanje entiteta te je opisano kako se oni koriste. Na kraju je opisana implementacija vlastitog sustava korištenjem klasifikatora SVM.
Drugi dio rada...
-
-
Prepoznavanje i klasifikacija imenovanih entiteta za jezično sučelje bazi podataka
-
Ivan Mršić Zbog uvijek prisutne ljudske potrebe za razumijevanjem što većih količina podataka i rasta računalne snage baze grafova dobivaju na popularnosti. Još jedan korak k boljoj integraciji čovjeka i računala jest izrada jezičnog sučelja za komunikaciju s takvom bazom. U ovom radu razvijen je i ispitan sustav za izvlačenje entiteta iz upita u svrhu izgradnje takvog sučelja, pogotovo imenovanih entiteta te su u tu svrhu izgrađena četiri modela. Dobiveni rezultati su ohrabrujući, te...
-
-
Prepoznavanje i klasifikacija ispita metodama strojnog učenja
-
Iva Barišić Problem klasifikacije ispita sastoji se od segmentacije dijela ispita na kojem se nalaze podaci o studentu te od prepoznavanja rukom pisanog imena i JMBAG-a tog studenta. Problem je utoliko lakši što je unaprijed poznat popis studenata koji pristupaju pismenom ispitu pa je i u slučaju nekih pogrešaka prilikom prepoznavanja moguće klasificirati ispit.
-
-
Prepoznavanje i klasifikacija motornih vozila na snimkama iz zraka
-
Dominik Vrbanić U ovome su radu nabrojane i ukratko objašnjene postojeće metode za prepoznavanje i klasifikaciju motornih vozila na snimkama iz zraka zasnovane na strojnom učenju. Odabrana je konvolucijska neuronska mreža YOLOv3-tiny te su za implementaciju iste napravljeni skup fotografija i njihovih oznaka koje se nalaze u GitHub repozitoriju. Trenirani model testiran je na neviđenim podacima i ostvareni su zadovoljavajući rezultati.
-
-
Prepoznavanje i klasifikacija ostećenja korozijom na nosaču vjetro-elektrane
-
Antun Grozdek U uvodu ovoga rada opisana je teorija potrebna za razumijevanje i izvedbu zadatka. Nakon toga prikazana je implementacija YOLOv3-Tiny algoritma za detekciju objekata. Algoritam je iskorišten za treniranje modela koji će prepoznati i klasificirati oštećenja korozijom na vjetroelektrani. Navedeni su rezultati dobiveni iz prikupljenih fotografija te su navedena moguća poboljšanja prilikom pripreme podataka i samog treniranja modela.
Pages
