Detekcija lica u fotografijama velikih grupa ljudi

diplomski rad

• Naslov (engleski): Detection of Faces in Photographs of Large Groups of People
• Autor: Tomislav Filipović
• Mentor: Marko Subašić (mentor)
• Član povjerenstva: Marko Subašić (predsjednik povjerenstva)
• Član povjerenstva: Krešimir Križanović (član povjerenstva)
• Član povjerenstva: Tomislav Petković (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2020-07-14, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

YOLO je trenutno jedan od vodećih modela za detekciju objekata. Poznat je po svojoj brzini uz relativno prihvatljivu preciznost. Korištenjem modela se može vidjeti da nastaju problemi kod malih objekata ili kod gusto rasprostranjenih objekata. Davanje većih podataka mreži omogućava da mreža bolje radi uz cijenu veće mreže. Daljnja poboljšanja su moguća u obliku optimizacije slojeva. Bazirano na drugim radovima moguće je skalirati mrežu tako da ima slične ili bolje rezultate uz smanjenje ili slični memorijski utisak. YOLO sam po sebi dobro stavlja fokus na ono što treba, a što ne treba detektirati, te daljni radovi u tom smjeru se ne daju bolje rezultate, a dodaju vrijeme potrebno da se mreža trenira. Kompliciranije ideje postoje, te pokazuju mogućnost, ali zahtijevaju veliku količinu vremena kako bi se ispravno implementirali i testirali. Moguće ih je istražiti u daljnjim radovima.

Sažetak (engleski)

YOLO is currently one of the leading models for object detection. It is known for its speed with relatively acceptable precision. Using the model, it can be seen that problems arise with small objects or with densely distributed objects. Giving bigger data to the network allows the network to work better at the cost of a larger network. Further improvements are possible in the form of layer optimization. Based on other works, it is possible to scale the network so that it has similar or better results with a reduction or similar memory impression. YOLO itself puts a good focus on what should and should not be detected, and further work in this direction does not give better results, but adds time needed to train the network. More complicated ideas exist, and show possibility, but require a large amount of time to be properly implemented and tested. It is possible to explore them in further works.

• Ključne riječi: računalni vid; YOLO; strojno učenje; duboko učenje; neuronska mreža; detekcija lica
• Ključne riječi (engleski): compute vision; YOLO; machine learning; deep learning; neural network; face detecion
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:530426
• 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: 2023-01-13 12:13:33