<?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=96248"><dc:title>Globoki modeli avtorstva umetniških slik</dc:title><dc:creator>Ilenič,	Nejc	(Avtor)
	</dc:creator><dc:creator>Zupan,	Blaž	(Mentor)
	</dc:creator><dc:subject>strojno učenje</dc:subject><dc:subject>globoki modeli</dc:subject><dc:subject>konvolucijske nevronske mreže</dc:subject><dc:subject>umetniške slike</dc:subject><dc:description>Vse več raziskav se osredotoča na problem avtomatskega prepoznavanja slikarjev iz digitaliziranih umetniških slik. V tem delu se omenjenega izziva lotimo na nadzorovan način, z uporabo konvolucijske nevronske mreže, ki je zaradi visoke izrazne moči sposobna napovedovanja velikega števila avtorjev iz nizkoresolucijskih slik. Predlagano rešitev ovrednotimo na tekmovanju spletnega portala Kaggle, kjer je za pare digitalnih umetnin potrebno napovedati, ali sta delo istega slikarja. V nalogi pokažemo, da značilke, izpeljane iz tem in motivov slik, podobno kot nižjenivojske značilke vsebujejo inherentne lastnosti, ki so primerne za razlikovanje med avtorji.</dc:description><dc:date>2017</dc:date><dc:date>2017-09-27 13:09:41</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>96248</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>