Analiza primernosti globokih nevronskih omrežij za razpoznavanje šareniceKROFIČ, MATEJ (Avtor) Štruc, Vitomir (Mentor) biometrijašarenicagloboka nevronska omrežjaTehnologija in znanje, ki sta bila do nedavno uveljavljena le v laboratorijih in v visokih krogih znanosti, sedaj postajata vedno bolj dostopna širšemu krogu ljudi. Vse bolj zmogljivi osebni računalniki dovoljujejo, da se lahko sistemi, katerih namen je iskanje unikatnih značilnosti področja šarenice, implementirajo kjerkoli, ne da bi razpolagali z visokotehnološki ali drago opremi. Tovrstni sistemi so prisotni tudi na višjih nivojih varnosti; od Združenih Arabskih Emiratov, ki ta način preverjanja identitete uporabljajo več kot desetletje; Indije, ki področje šarenice uporablja v sklopu programa Unique ID; do številnih letališč, ki uporabljajo biometrične metode identifikacije za pohitritev procesa preverjanja pogojev za prestop meje. Glede na širino področja uporabe in potrebe po vedno hitrejših in zanesljivejših algoritmih, je iskanje alternativnih metod nujno. Cilj tega diplomskega dela je raziskati alternativne metode razpoznavanja področja šarenice in uspešnost primerjati s klasičnimi metodami. Kot alternativo smo izbrali metodo pridobitve vektorjev značilk s pomočjo vnaprej naučenega globokega konvolucijskega nevronskega omrežja GoogLeNet. Za vhodne slikovne datoteke smo uporabili slike iz prosto dostopne baze podatkov CASIA V4, ki jo je izdala Kitajska akademija znanosti (Chinese Academy of Sciences). Zbirka ima šest različnih pod zbirk s poudarkom na različnih lastnostih. Za namen diplomskega dela smo izbrali štiri pod zbirke, obdelali smo jih s tremi različnimi postopki. Prvi je klasičen postopek pridobivanja vektorjev značilk; drugi je hibriden, kjer je vhodna slikovna datoteka v nevronsko omrežje segmentirana in normalizirana slika šarenice; tretji je direkten, vhodna datoteka pa je v globoko nevronsko omrežje neobdelana slika. Rezultat raziskave je poglobljena analiza in primerjava vseh treh predstavljenih metod.20162016-09-09 14:15:05Diplomsko delo85008sl