Završni radovi | FER Repository

: Sustav za raspoznavanje gesta hrvatskoga znakovnog jezika; Nikola Tomažin
Raspoznavanje gesta znakovnoga jezika veoma je kompleksan problem koji se prvotno temelji na kvalitetnoj procjeni poze. U ovom su radu dane teorijske osnove znakovnoga jezika (u čemu su puno pomogli članovi Hrvatskog saveza gluhih i nagluhih) te strojnog i dubokog učenja te je napravljena usporedba raznih alata procjene poze, od kojih se MediaPipe biblioteka najviše istaknula svojom robusnošcu i radom u stvarnom vremenu. Razvijen je sustav za izgradnju podatkovnoga skupa, treniranje...

: Sustav za raspoznavanje gesta hrvatskoga znakovnog jezika; Marko Andreis
U radu su predložena tri rješenja za zadatak automatskog raspoznavanja gesta hrvatskog znakovnog jezika. Predloženi pristupi temelje se na korištenju konvolucijskih i povratnih neuronskih mreža za analizu slijeda pokreta iz videozapisa. Opisane su osnovne komponente korištenih arhitektura i uspoređeni rezultati na prikupljenom skupu podataka koji uključuje videozapise s pripadajućim oznakama značenja znakova. Prikupljeni videozapisi organizirani su u tri skupa podataka nad kojima...

: Sustav za raspoznavanje glasovnih naredbi; Paula Franić
Razvijen sustav upravlja LED diodama putem govornih naredbi. Komunikacija s modulom te s MATLABom se ostvaruje putem serijske komunikacije. Grafičko sučelje u MATLABu omogućuje odabir grupe govornih naredbi te se na taj način određuje upravljanje LED diodama ili na mikrokontroleru ili na LED diodama na protoboardu. Pomoću mikrofona na modulu se signal obrađuje te točno određenim protokolom se šalje odgovor mikrokontroleru da li je naredba prepoznata ili ne. Ako je naredba...

: Sustav za raspoznavanje igraćih karata; Josip Knežević
Ovaj rad razmatra prepoznavanje igraćih karata korištenjem tehnika obrade slike. Obrada slika obavlja se kroz niz koraka: pronalaženje rubova, pronalaženje najbolje četverokutne konture, perspektivna transformacija. Prepoznavanje se također vrši preko obrade slike korištenjem algoritama Floodfill (za brojeve) te pogodi i promaši transformacijom (za slova i oznaku boje). Postupak se pokazao djelomičnom uspješnim. Dobiveni su točni rezultati na 51 od 52 testne slike pri dobrom...

: Sustav za raspoznavanje lica; Emanuel Guberović
Ovaj rad opisuje metode raspoznavanja lica sadržane u OpenCV biblioteci, točnije njenom FaceRecognizer razredu. Te metode su Fisherfaces, Eigenfaces i LBPH. Opisana je i baza slika skupljena u svrhu rada i analiza uspješnosti prethodna tri algoritma nad tom bazom slika. Naposljetku je objašnjen i sustav realiziran u obliku web aplikacije koji dinamički prikazuje djelovanje ovih algoritama raspoznavanjem slike s web kamere.

: Sustav za raspoznavanje nota u slikama glazbenih notnih zapisa; Ivan Cindrić
Tema je program koji prepoznaje i čita notni zapis. Ulaz u program je slika notnog zapisa (.jpg ili .png format). Korištenjem računalnog vida (OpenCV biblioteka) i neuronskih mreža, slika je prvo na redove, a zatim se iz pojedinog reda izvlače zasebni elementi(note, ključ, modulacija, itd...). Ulaz u mrežu je jedan element notnog zapisa(npr. jedna nota). Trajanje i vrijednosti note se određuju pomoću dvije neuronske mreže. Jedna mreža služi za prepoznavanje visine tona. Druga...

: Sustav za raspoznavanje prometnih znakova; Luka Galić
Zadatak ovog završnog rada je programski ostvariti sustav za raspoznavanje prometnih znakova u slikama snimljenim iz vozila u pokretu i ispitati ponašanje sustava na javno dostupnim skupovima slika. U završnom radu također se daje uvid u teme umjetnih neuronskih mreža, strojnog i dubokog učenja te konvolucijskih neuronskih mreža. Govori se o arhitekturi neuronskih mreža i o procesu učenja i testiranja istih, o algoritmima strojnog učenja te usporedbi strojnog s dubokim učenjem. Za...

: Sustav za raspoznavanje prometnih znakova; Mihael Macuka
U ovom radu implementiran je sustav za raspoznavanje prometnih znakova. Iako postoje različiti načini rješavanja problema, odabran je način rješavanja pomoću neuronske mreže. Sustav je implementiran za klasifikaciju pet vrste znakova te klasificira sa zadovoljavajućom točnošću koja prelazi 90\%. Neuronska se mreža sastoji od nekoliko slojeva gdje je ulazni sloj veličine 256 neurona, a izlazni 6 što predstavlja broj mogućih kombinacija prilikom klasifikacije (pet klasa...

: Sustav za raspoznavanje prometnih znakova; Matija Pavlović
Rad opisuje jednu moguću implementaciju sustava za klasifikaciju prometnih zna- kova u stvarnom vremenu. Razrađuju se primjene i zahtjevi sustava, opisuju se ranija ostvarenja u tom području i definira se pristup rješenju problema klasifikacije. Sustav klasificira prometne znakove uporabom jedne konvolucijske neronske mreže koja se sastoji od 12 slojeva. Za potrebe treniranja neuronske mreže korišteni su razni pristupi pretprocesiranja fotografija iz skupa podataka za učenje kako bi...

: Sustav za raspoznavanje prometnih znakova; Matej Dobrovodski
U radu su opisani popularni pristupi za klasifikaciju objekata s naglaskom na korištenje konvolucijskih neuronskih mreža. Objašnjena je generalna ideja konvolucijskih neuronskih mreža te je opisan postupak izgradnje jedne jednostavne mreže u svrhu raspoznavanja prometnih znakova korištenjem Python biblioteke Keras. Izgrađeni sustav primijenjen je na javno dostupnom skupu slika prometnih znakova GTSRB s relativno visokom točnošću od 95% i više, bez potrage za optimalnim...

: Sustav za raspoznavanje prometnih znakova; Mihael Vitlov
U okviru završnog rada obrađeno je raspoznavanje prometnih znakova koristeći vlastitu konvolucijsku neuronsku mrežu, po arhitekturi sličnoj LeNet-5. Objašnjeni su pojmovi vezani uz umjetne neuronske mreže s fokusom na konvolucijske neuronske mreže. Za izgradnju mreže korištena je biblioteka PyTorch, a za treniranje i testiranje klasifikatora korišten je javno dostupan skup slika prometnih znakova GTSRB. Sustav se pokazao zadovoljavajućim s točnošću od 93%. Taj isti sustav je...

: Sustav za raspoznavanje rukom pisanih matematičkih izraza; Vlado Galić
Prepoznavanje matematičkih izraza danas je dosta zanimljivo područje primjene dubokog učenja. Problem je dosta složen te zahtjeva kompleksan sustav za rješava- nje istog. Postoji dosta varijacija ovog problema a još više načina rješavanja istog. Primjena konvoluciskih neurosnkih mreža polučuje zadovoljavajuće rezultate i os- tavlja puno prostora za napredak. U ovom radu smo riješili jednu jednostavniju inačicu ovog problema i dokazali naše pretpostavke.

Pages