<?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=114423"><dc:title>Prepoznavanje šarenice s pomočjo nevronskih mrež</dc:title><dc:creator>Polanc,	Uroš	(Avtor)
	</dc:creator><dc:creator>Batagelj,	Borut	(Mentor)
	</dc:creator><dc:subject>računalniški vid</dc:subject><dc:subject>globoko učenje</dc:subject><dc:subject>nevronske mreže</dc:subject><dc:subject>konvolucijske nevronske mreže</dc:subject><dc:subject>segmentacija šarenice</dc:subject><dc:subject>prepoznavanje šarenice</dc:subject><dc:description>Naloga obravnava pristop prepoznavanja oseb na podlagi šarenice z nevronskimi mrežami. Ideja je, da na sliki očesa pravilno detektiramo območje šarenice, s katerega nato s primernimi metodami pridobimo tako imenovan vektor značilk. Vektor značilk predstavlja kratek in unikaten opis posamezne slike. Za nevronske mreže smo uporabili klasične nevronske mreže, ki smo jim kot vhod podali vektorje značilk. Na koncu smo preizkusili še konvolucijske nevronske mreže, kjer smo kot vhod podali originalno sliko. Pri klasičnih nevronskih mrežah smo testirali večje število kombinacij metod izboljšave slike, metod izbire značilk ter nevronskih mrež. Izkazalo se je, da mreže za prepoznavanje vzorcev v kombinaciji z Gaborjevimi filtri dosegajo točnost 95,7 procenta. Pri konvolucijskih nevronskih mrežah pa se je najbolje izkazala mreža ResNet50 s točnostjo 96,4 procenta.</dc:description><dc:date>2020</dc:date><dc:date>2020-02-27 11:30:09</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>114423</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>