Razvoj večopravilnega modela za segmentacijo očesne šareniceĐUKIĆ, ALJAŽ (Avtor) Štruc, Vitomir (Mentor) segmentacija šarenicvečopravilno učenjedokončanje slikgloboko učenjeU-NetCNNbiometrijaračunalniški vidČloveška šarenica predstavlja eno od biometričnih modalnosti, ki omogočajo najbolj natančno in zanesljivo razpoznavanje, ter se pogosto uporablja v sistemih dokazovanja istovetnosti. Ključen korak predprocesiranja za doseganje kakovostne in točne razpoznave šarenic je segmentacija, ki določi, na katerem delu zajete slike se šarenica nahaja. Pristopi segmentacije šarenic so se v zadnjih letih premaknili od tradicionalnih algoritmov k metodam globokega učenja, ki imajo pred njimi mnoge prednosti. V magistrskem delu sledimo metodam segmentacije šarenic z uporabo globokega učenja ter z izvedbo pristopa večopravilnega učenja poskušamo še dodatno izboljšati kakovost dosežene segmentacije. V ta namen razvijemo in preverimo delovanje različnih modelov enoopravilnega in večopravilnega učenja, katerih arhitektura temelji na omrežju U-Net, ki ga za potrebe našega dela še dodatno prilagodimo. Ovrednotimo tudi vpliv, ki ga ima na kakovost segmentacije uporaba različnih pomožnih opravil in uteži izgubnih funkcij. Poleg pomožnega opravila dokončanja slik za referenco preverimo še delovanje modelov z uporabo pomožnih opravil odstranjevanja šuma s slik ter barvanja sivinskih slik. Izbrane modele učimo in preverjamo na podatkovnih zbirkah MOBIUS in SBVPI, kjer med pomožnimi opravili modelov večopravilnega učenja dokončanje slik doseže najboljše delovanje na obeh podatkovnih zbirkah. Do izboljšave rezultatov segmentacije enoopravilnega učenja s pristopom večopravilnega učenja s pomožno nalogo dokončanja slik pride le pri preverjanju na podatkovni zbirki SBVPI, kar pripišemo razlikam med samima zbirkama. Prav tako pokažemo, da izbira prevelikih uteži izgubnih funkcij pomožnih opravil vodi do slabše kakovosti segmentacije zaradi povečanega vpliva le-teh na učenje modelov.20222022-04-20 09:00:08Magistrsko delo/naloga136203VisID: 60961COBISS_ID: 105851139sl