prikaz prve stranice dokumenta Primjena algoritama strojnog učenja u prepoznavanju lica
  Preuzmi
PDF 3.03 MB
diplomski rad
Primjena algoritama strojnog učenja u prepoznavanju lica
2020. urn:nbn:hr:200:060378
Puljko, Benjamin
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za računalno inženjerstvo i automatiku
Katedra za automatiku i robotiku

Citirajte ovaj rad

Puljko, B. (2020). Primjena algoritama strojnog učenja u prepoznavanju lica (Diplomski rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:200:060378

Puljko, Benjamin. "Primjena algoritama strojnog učenja u prepoznavanju lica." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2020. https://urn.nsk.hr/urn:nbn:hr:200:060378

Puljko, Benjamin. "Primjena algoritama strojnog učenja u prepoznavanju lica." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2020. https://urn.nsk.hr/urn:nbn:hr:200:060378

Puljko, B. (2020). 'Primjena algoritama strojnog učenja u prepoznavanju lica', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 09.01.2025., https://urn.nsk.hr/urn:nbn:hr:200:060378

Puljko B. Primjena algoritama strojnog učenja u prepoznavanju lica [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2020 [pristupljeno 09.01.2025.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:060378

B. Puljko, "Primjena algoritama strojnog učenja u prepoznavanju lica", Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:060378

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:060378
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovPrimjena algoritama strojnog učenja u prepoznavanju lica
Naslov (engleski)Application of machine learning algorithms in facial recognition
AutorBenjamin Puljko
MentorEmmanuel Karlo Nyarko (mentor)
Član povjerenstvaEmmanuel Karlo Nyarko (predsjednik povjerenstva)
Član povjerenstvaRatko Grbić (član povjerenstva)
Član povjerenstvaDamir Filko (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
(Zavod za računalno inženjerstvo i automatiku)
(Katedra za automatiku i robotiku)
Osijek
Datum i država obrane2020-07-24, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
U ovom radu ispitana su četiri algoritma strojnog učenja koja su se upotrebljavala za klasifikaciju. Prvotno je pohranjen skup podataka koji je zatim obrađen na način da su detektirana lica, izrezana, poravnata te pohranjena u podatak koji se kasnije učitava radi lakšeg izvršavanja eksperimenata. U prvom eksperimentu se za izdvajanje značajki i smanjenje dimenzionalnosti upotrebljavala analiza glavnih komponenata (PCA), dok je za drugi eksperiment upotrebljen facenet model za izdvajanje značajki. Zaključeno je da je facenet superiorniji u izdvajanju značajki od PCA. U trećem eksperimentu je također rabljen facenet model, ali s povećanim brojem klasa u odnosu na prvi i drugi eksperiment. U posljednjem, četvrtom eksperimentu, uspoređena je vgg16 naučena neuronska mreža s facenet naučenim modelom. Vgg16 model imao je točnost od 94,6%, dok je facenet model imao točnost od nevjerojatnih 99,8%. Zaključeno je da su neuronske mreže daleko učinkovitije u izdvajanju značajki te sam klasifikacijski algoritam ne igra veliku ulogu u točnoj klasifikaciji, ukoliko su značajke dobro izdvojene.
Sažetak (engleski)
In this paper, four machine learning algorithms have been tested for classification. Initially, the dataset was processed in such a way that the detected faces were cut, aligned and stored in a file for later use. In the first experiment, principal component analysis was used for feature extraction and dimensionality reduction while for the second experiment, the pretrained facenet model was used. From the experiments, it was concluded that facenet is superior to PCA in feature extraction. In the third experiment, facenet model was used, but with a greater number of classes than in the first two experiments. In the last, fourth experiment, the vgg16 pretrained neural network was compared to the facenet pretrained model. Vgg16 model had an accuracy of 94,6% while the facenet model had an amazing accuracy of 99,8%. In conclusion, neural networks are far more efficient in feature extraction and the classification algorithm itself doesn't play a big role in correctly classifying the face, if the features are well extracted.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:060378
Studijski programNaziv: Automobilsko računarstvo i komunikacije
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka automobilskog računarstva i komunikacija (mag. ing. comp. et comm. techn)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2020-09-15 15:15:52