Prepoznavanje rukom pisanih identifikacijskih brojeva studenata uporabom dubokih modela

diplomski rad

• Naslov (engleski): Recognition of Handwritten Student Identification Numbers Based on Deep Models
• Autor: Damir Kopljar
• Mentor: Marko Čupić (mentor)
• Član povjerenstva: Marko Čupić (predsjednik povjerenstva)
• Član povjerenstva: Željka Mihajlović (član povjerenstva)
• Član povjerenstva: Alan Jović (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2018-07-06, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U ovome radu opisane su osnovne značajke konvolucijskih neuronskih mreža. Zatim je detaljno opisan rad modela za detekciju objekata. U radu su opisana i dva korištena podatkovna skupa, jedan prikupljen u skupu rada i drugi umjetno generiran. Također objašnjena je i korištena programska biblioteka TensorFlow Object Detection kojom su izrađeni svi modeli u radu. Na samome kraju opisani su i prikazani dobiveni rezultati.

Sažetak (engleski)

This work describes the basic features of convolution neural networks. This work then describes features of object detection model. In this work two datasets were used and described, one that was collected from students on the university and other that was made artificially. This work also describes TensorFlow Object Detection framework which was used to build all models in this work. In the final part of the work, the results are shown.

• Ključne riječi: rukom pisani brojevi; konvolucijske neuronske mreže; računalni vid; MNIST; detekcija objekata
• Ključne riječi (engleski): handwritten numbers; convolution neural network; computer vision; MNIST; object detection
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:550048
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2019-03-13 21:42:32