Primjena dubokog učenja za detekciju lica

završni rad

• Naslov (engleski): Deep Learning for Face Detection
• Autor: Anton Vučinić
• Mentor: Krešimir Križanović (mentor)
• Član povjerenstva: Krešimir Križanović (predsjednik povjerenstva)
• Član povjerenstva: Filip Bosnić (član povjerenstva)
• Član povjerenstva: Josipa Lipovac (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-08-30, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Ovaj rad bavi se proučavanjem metoda detekcija lica na fotografijama. Predstavlja se podatkovni skup koji će se koristiti kroz cijeli rad te se prvo na njega primjenjuje model MTCNN. Nakon toga se dobiveni rezultati uspoređuju sa starijom metodom detekcije objekata zvanom kaskadna klasifikacija. Te se za kraj rada pokušava trenirati vlastiti model temeljen na dubokim konvolucijskim mrežama. Komentiraju se prednosti i nedostatci svih pristupa ovom problemu.

Sažetak (engleski)

This paper deals with the problem of detecting faces on images. It compares different methods to do so and comments on each of their advantages and disadvantages. First the dataset that will be used throughout the paper is introduced. Then using the MTCNN model predictions are made on the subset of the dataset and performance is measured. After that the dataset is once again marked, this time using OpenCV’s cascade classifier with pretrained Haar-features. Finally at the end of the paper we developed our own deep convolutional neural network and the results of all three methods are compared.

• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:888053
• 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: 2023-01-15 11:25:51