Optimizacija učenja globokih biometričnih modelov pri biometriji uhljevŠTEFE, KLEMEN (Avtor) Emeršič, Žiga (Mentor) Nevronske mreˇzeklasifikacijaprenosno uˇcenjeprileganje podatkovregularizacijaaugmentacijaImageNetrazpoznava uhljevbiometrija uhljev.Najbolj ključen dejavnik pri delovanju globokih biometričnih modelov je njihov postopek učenja. Diplomsko delo raziskuje različne pristope k optimizaciji učenja globokih nevronskih mrež, z namenom izboljšave njihove klasifikacijske točnosti. Osredotočamo se na metode iz področja zmanjšanja prileganja podatkom in vpliva različnih hiperparametrov na rezultate učenja. Za raziskavo uporabimo modele naučene na podatkovni zbirki ImageNet, ki jih s pomočjo prenosnega učenja prilagodimo za klasifikacijo ljudi na podlagi njihovega uhlja. Zaradi vpliva strojne opreme, testiramo tudi čas učenja posameznih modelov, ter povprečne hitrosti njihovih napovedi. Ugotavljamo, da je za našo učno množico najbolj primeren model ResNet18, z najvišjo točnostjo 56 odstotkov, sledi pa mu GoogLeNet z 51 odstotki.20232023-12-04 13:53:09Diplomsko delo/naloga152691VisID: 36792COBISS_ID: 162224131sl