Algoritmi za detekciju karakterističnih točaka na licu

završni rad

• Naslov (engleski): Algorithms for Facial Feature Point Detection
• Autor: Matej Đanić
• Mentor: Tomislav Pribanić (mentor)
• Član povjerenstva: Tomislav Pribanić (predsjednik povjerenstva)
• Član povjerenstva: Kristijan Bartol (član povjerenstva)
• Član povjerenstva: David Bojanić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2019-07-12, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U završnom radu naveden je napredak algoritama za detekciju lica u zadnja tri desetljeća. Opisuju se postupci predobrade digitalnih slika koji se poduzimaju prije same detekcije karakterističnih točaka na licima. Navedena je arhitektura slojeva konvolucijske neuronske mreže koja se koristi za predviđanje koordinata karakterističnih točaka. Također, opisana je baza podataka slika koje se koriste u svrhe treniranja i testiranja mreže. Primjeri modela mreže implementirani su bibliotekom Keras u programskom jeziku Python u alatu Colaboratory. Opisana je funkcija gubitka i vrsta optimizacije koje modeli koriste. Objašnjene su promjene napravljene na originalnom modelu te su uspoređeni rezultati točnosti i brzine pojedinih modela.

Sažetak (engleski)

This bachelor's thesis describes the progress of face detection algorithms over the past three decades. Image preprocessing procedures performed prior to the detection of facial feature points are described. Layered architecture of the convolutional neural network for facial feature point detection is explained. Moreover, the image database used to train and test the neural network is described. Examples of neural network models are implemented using the Python library Keras and run on the Colaboratory platform. A brief description of loss functions and optimizers used by the models is also given. The changes applied to the original model are explained and their accuracy and speed results mutually compared.

• Ključne riječi: Detekcija lica; karakteristične točke; konvolucijska neuronska mreža; Keras model; Colaboratory; 300w baza podataka slika; funkcija gubitka; optimizator; stopa učenja; postotak prosječne apsolutne pogreške; srednja kvadratna pogreška; epoha; normalizacija serije; ispad
• Ključne riječi (engleski): Face detection; characteristic points (facial features); convolutional neural network; Keras model; Colaboratory; 300w Image database; loss function; optimizer; learning rate; mean absolute percentage error; mean squared error; epoch; batch normalization; dropout
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:079657
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2020-01-07 17:48:10