Pages

Raspoznavanje boja i geometrijskih likova u slici
Raspoznavanje boja i geometrijskih likova u slici
Karmela Slačanac
Rad opisuje postupak razvoja algoritma za raspoznavanje osnovnih geometrijskih likova i boja u Matlab-u. Opisani su postupci obrade i analize slike kao što su segmentacija i potiskivanje šuma te analiza značajki regija u slici. Korištene su matematičke i geometrijske metode klasificiranja geometrijskih likova te logičke operacije uspoređivanja kod klasifikacije boja. Na primjeru slike opisani su svi koraci algoritma te je na kraju prikazan njegov konačni rezultat.
Raspoznavanje emocija u govoru korištenjem paradigme dubokog učenja
Raspoznavanje emocija u govoru korištenjem paradigme dubokog učenja
Luka Banić
U ovome je radu prikazan razvoj modela strojnoga učenja za raspoznavanje emocija u govoru. Model dubokoga učenja razvijen na temelju paradigme nezavisnosti o govorniku, vrši zadatak višeklasne klasifikacije šest emocija iz CREMA-D baze audiozapisa. Konačni model kombinira arhitekture konvolucijskih mreža i transformerskoga enkodera. Dobiveni rezultati pokazuju veću točnost od procjena ljudi u istim uvjetima raspoznavanja. Analiziraju se potencijalne karakteristike ljudske...
Raspoznavanje fizičke aktivnosti iz vremenskih sljedova
Raspoznavanje fizičke aktivnosti iz vremenskih sljedova
Zvonimir Matić
O ovome radu obrađeno je područje segmentacije vremena i detekcije aktivnosti. Opisane su aktivnosti te dan skup podataka snimljenih akcelerometrom koji ih sadrži. Obrađeni su spomenuti podaci te su se koristili za testiranje algoritma za detekciju aktivnosti. Napisan je algoritam koji je detektirao aktivnosti u zapisu te ih pojedinačno izdvojio. Prikazani su rezultati algoritma te se raspravljalo o njegovom učinku u detekciji.
Raspoznavanje fizičke aktivnosti zasnovano na strojnom učenju
Raspoznavanje fizičke aktivnosti zasnovano na strojnom učenju
Krunoslav Jurčić
Motivacija za razvoj algoritma za raspoznavanje fizičke aktivnosti uključuje praćenje dnevne aktivnosti korisnika u stvarnom vremenu, te moguću dijagnostiku neželjenih i neočekivanih pokreta. Algoritam za raspoznavanje razvijen je koristeći dva skupa podataka koji sadrže signale dobivene iz akcelerometra, magnetometra i žiroskopa. Prvi otvoreni skup podataka, dostupan svim korisnicima, sadrži signale koji opisuju pet fizičkih aktivnosti. Drugi skup opisuje sveukupno 16 aktivnosti,...
Raspoznavanje gesta na temelju 2D slike i na temelju RGBD prikaza
Raspoznavanje gesta na temelju 2D slike i na temelju RGBD prikaza
Kruno Hrvatinić
U okviru robotom potpomognutog protokola za dijagnozu autizma razvijen je modul za detekciju i praćenje proizvoljnog broja predmeta čije su boje poznate te prepoznavanje gesta u pokretima koje se tim predmetima izvode. Modul je prilagođen za izvođenje na humanoidnom robotu NAO u realnom vremenu. Praćenje predmeta se izvodi na robusan način koji dopušta snažnu interakciju između predmeta slične boje bez da se time gubi identitet pojedinog predmeta, te se pokazalo pouzdanim u realnim...
Raspoznavanje gesti ruke u videu
Raspoznavanje gesti ruke u videu
Miroslav Bićanić
Zajedno s ostalim alternativnim metodama interakcije čovjeka i računala, sustavi za raspoznavanje gesti ruke u današnje su doba sve popularniji u raznim područjima primjene. Mnogi od njih izgrađeni su pomoću modela i tehnika iz dubokog učenja koje zahtijevaju brojne primjere iz velikih skupova podataka, a primjeri najčešće dolaze u obliku RGB slika ili videozapisa. Takvi su primjeri nepotrebno veliki i redundantni za potrebe raspoznavanja gesti ruke, te je stoga u ovom radu...
Raspoznavanje gesti ruku konvolucijskim modelima
Raspoznavanje gesti ruku konvolucijskim modelima
Filip Bronić
Raspoznavanje gesti ruku je neriješen problem računalnog vida s mnogim zanimljivim primjenama. U posljednje vrijeme, najbolji rezultati u tom području postižu se dubokim konvolucijskim modelima. U ovom radu se za raspoznavanje gesti ruku iz RGB videosnimki koriste 3D konvolucijske neuronske mreže koje su se pokazale uspješnima u tom području: arhitekture SlowFast i MobileNetV2. Koristeći navedene modele implementiran je sustav za dinamičko prepoznavanje gesti u stvarnom vremenu....
Raspoznavanje hrvatskog znakovnog jezika korištenjem uređaja za optičko praćenje pokreta
Raspoznavanje hrvatskog znakovnog jezika korištenjem uređaja za optičko praćenje pokreta
Domagoj Alagić
Znakovni jezici, iako sasvim ravnopravni govornim jezicima, nisu toliko prepoznati unutar čujuće zajednice ljudi. Ova činjenica ima negativan utjecaj na ostvarivanje prava na komunikaciju, obrazovanje i informiranje osoba s oštećenjem sluha. Ovaj rad predstavlja ostvarenje sustava za automatsko raspoznavanje znakova u hrvatskom znakovnom jeziku, jeziku zajednice osoba s oštećenjem sluha u Republici Hrvatskoj. Daje se osnovni pregled hrvatskog znakovnog jezika nakon čega se opisuje i...
Raspoznavanje i verifikacija identiteta
Raspoznavanje i verifikacija identiteta
Klara Stuburić
U ovom radu ukratko je objašnjeno što su to neuronske mreže i strojno učenje. Naglasak je na konvolucijskim mrežama te su svi slojevi tih mreža detaljno objašnjeni. Cilj je bio napraviti arhitekturu mreže koja će pomoću klasifikacije slika iz ulaznog skupa slika osoba odrediti njihov identitet. Opisano je što se sa slikama događa prilikom učenja mreže te koji se algoritmi i metode pritom koriste. Za kraj je ukratko objašnjena implementacija mreže i prikazani su rezultati.
Raspoznavanje igraćih karata zasnovano na strojnom učenju
Raspoznavanje igraćih karata zasnovano na strojnom učenju
Marko Lipovac
Strojno učenje zasnovano na konvolucijskim neuronskim mrežama jedan je od najsnažnijih čimbenika poboljšanja brojnih algoritama u računarskoj znanosti, a ovaj trend je posebno izražen u području računalnog vida gdje je strojno učenje omogućilo nagli napredak u rješavanju velikog broja različitih problema. Cilj zadatka je implementirati sustav raspoznavanja igraćih karata postupcima strojnog učenja. Zadatak uključuje pronalaženje i pripremu slika za učenje. Potrebno je...
Raspoznavanje izgovorenog jezika iz kratkog zvučnog zapisa metodama strojnog učenja
Raspoznavanje izgovorenog jezika iz kratkog zvučnog zapisa metodama strojnog učenja
Lana Bartolović
Ljudski jezik nije razumljiv računalu sam po sebi. Stoga se obradom prirodnog jezika nastoji premostiti ta prepreka. Jedan od temeljnih zadataka je određivanje jezika. U ovom radu su učena i ispitana tri modela dubokog učenja s ciljem određivanja uspješnosti klasificiranja jezika iz zvučnog zapisa. Najbolji model, zasnovan na konvolucijskoj mreži i značajkama MFCC, postigao je mjeru točnosti od 83% i utežanu mjeru F1 od 83%.

Pages