<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=113562"><dc:title>Izboljšava modela za deidentifikacijo z uporabo generativnih nasprotniških mrež</dc:title><dc:creator>Sušin,	Nejc	(Avtor)
	</dc:creator><dc:creator>Peer,	Peter	(Mentor)
	</dc:creator><dc:creator>Štruc,	Vitomir	(Komentor)
	</dc:creator><dc:subject>deidentifikacija</dc:subject><dc:subject>generativne nasprotniške mreže</dc:subject><dc:subject>generiranje obrazov</dc:subject><dc:description>Sodobna družba se vse bolj zaveda pomembnosti varovanja osebnih podatkov in zasebnosti. Prikrivanje identitet posameznikov na fotografijah ali video posnetkih je zato pomembno opravilo. Sodoben pristop k reševanju tega problema je generiranje nadomestnih obrazov, s katerimi zakrijemo izvirne. Algoritem imenovan $k$-Same-Net uporabi generativno nevronsko mrežo, ki sintetizira nadomestne obraze brez podobnosti resničnim osebam. Pristop je uspešen, vendar so generirani obrazi neraznoliki, slike pa niso povsem ostre. Naš cilj je izboljšava stabilnosti generativnega postopka in kvalitete rezultatov z uporabo najnovejših metod s področja generativnih modelov, natančneje z generativnimi nasprotniškimi mrežami. Preizkusili smo številne različne arhitekture in postopke učenja. Zaradi težavnega učenja generativnih nasprotniških mrež, ki je razvidno tudi iz našega dela, nismo prišli do zadovoljivih rezultatov. Nekatere implementacije uspešno posnemajo človeški obraz, izraz na obrazu in celo identiteto. Ni pa nam uspelo odkriti kombinacije parametrov, ki bi se naučila na podlagi več vhodnih identitet generirati prepričljiv nov obraz.</dc:description><dc:date>2019</dc:date><dc:date>2020-01-21 13:52:04</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>113562</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>