Prepoznavanje globokih ponaredkov z enorazrednim učenjemKronovšek, Andrej (Avtor) Peer, Peter (Mentor) Batagelj, Borut (Komentor) prepoznavanje globokih ponaredkovenorazredno učenjesegmentacijaV okviru magistrskega dela smo si zadali zgraditi model, ki bi prepoznaval globoke ponaredke. Modeli za prepoznavanje globokih ponaredkov so v splošnem boljši, če so naučeni na čim več različnih zbirkah globokih ponaredkov, ki so ustvarjeni s čim več metodami za ustvarjanje le-teh, ker to pomeni, da bolje generalizirajo. Naš pristop za doseganje boljše generalizacije pa je enorazreden, kar pomeni, da za predstavitev problema uporabimo samo razred resničnih slik. Iz teh slik izdelamo sintetične slike ponaredkov s pomočjo metode Self-Blending Images. Za nevronske mreže velja, da niso enostavno interpretativne, zato smo v proces učenja dodali segmentacijo. Naš model označi del obraza na sliki, za katerega predvideva, da je bil ponarejen, in na podlagi pravilnosti te maske se model uči prepoznavati globoke ponaredke. Maske, ki jih naš model ustvari, ocenimo na šestih zbirkah. Klasifikacijo modela ocenimo na podatkovnih zbirkah, na katerih ocenjujejo tudi avtorji drugih enorazrednih metod in v povprečju dosežemo najboljše rezultate.20242024-10-17 16:25:02Magistrsko delo/naloga164243sl