Procjena spola osoba iz panoramskih rendgenskih slika čeljusti

diplomski rad

• Naslov (engleski): Gender Estimation From Panoramic X-ray Images of Human Jaw
• Autor: Ante Šućur
• Mentor: Marko Subašić (mentor)
• Član povjerenstva: Marko Subašić (predsjednik povjerenstva)
• Član povjerenstva: Sven Lončarić (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: 2018-07-13, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Cilj ovog diplomskog rada je koristeći predtrenirane konvolucijske neuronske mreže
procijeniti spol osobe na temelju ortopantomograma. Rad je podijeljen u tri dijela. U
prvom dijelu se govori o povijesti neuronskih mreža, njihovim arhitekturama, tipovima
neuronskih mreža. Takod̄er je objašnjeno na koji način rade i umjetne i konvolucijske
neuronske mreže. U drugom dijelu je pojašnjen pristup rješenju, koji je podijeljen u
nekoliko djelova. Za svaki dio je objašnjeno zašto je potreban, te je prikazan dio koda
koji obavlja tu zadaću. Posljednji dio rada prikazuje dobivene rezultate za svaku kori-
štenu neuronsku mrežu. Postignuti rezultati za svaku mrežu se med̄usobno uspored̄uju,
a i uspored̄uju se ortopantomogrami koji su krivo procjenjeni.

Sažetak (engleski)

Theme of this paper is by using the pretrained convolutional neural networks to
determine the sex of the person using the given X-ray image of the jaw. Paper is divided
into three parts. First part explains what are neural networks, talks about history of
neural networks, their architectures and types. It is also explained how both artificial
and convolutional neural networks work. Theme of the second part of the paper is
the solution of the problem. The solution is devided in several parts. For every part
it is explained why why it is necessary and there is part of code which solves the
issue. In the last part of the paper results are shown and compared.

• Ključne riječi: ortopantomogram; neuron; mreža; konvolucija; treniranje; težine; imagenet; VGG; Inception; fino; podešavanje; Jupyter; IPython; keras; tensorflow; arhitektura; aktivacija; značajke; filter; sloj; sažimanje; ulaz; izlaz; klasifikacija; duboke; parametri; optimiziranje; gradijent; backpropagation; predtrenirane; klasa
• Ključne riječi (engleski): X-ray; neuron; network; convolution; training; weights; imagenet; VGG; Inception; fine; tune; Jupyter; IPython; keras; tensorflow; architecture; activation; features; filter; layer; pooling; input; output; classification; deep; parameters; optimization; gradient; backpropagation; pretrained; class
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:731013
• 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: 2019-03-14 01:27:47