Prednosti in slabosti globokih nevronskih omrežij za razpoznavanje obrazovBRUMEN, LUKA (Avtor) Štruc, Vitomir (Mentor) računalniški vidrazpoznavanje obrazovgloboke nevronske mrežekonvolucijske nevronske mrežeCNNConvNetV delu je analiziran vpliv spremembe osvetlitve, poze subjekta, velikost izreza obraznega področja, kvalitete in resolucije na razpoznavanje obrazov enega najmodernejših modelov globoke nevronske mreže. Rdeča nit dela je sposobnost verifikacije 16 plastnega modela konvolucijske nevronske mreže VGG, da določi ali je na paru slik ista oseba (uporabnik) ali ne (vsiljivec). Za potrebe nekaterih testov smo razvili postopke za simulacijo nenadzorovanih pogojev zajema slik in analizirali rezultate. Slike, ki smo jih pridobili z glajenjem, izrezovanjem obraznega področja in zniževanjem resolucije, lahko razumemo kot posledico slabših pogojev pri zajemu ali slabšega sistema za zajem slik, uporaba le teh v aplikacijah pa poceni končno ceno. Pokazali bomo, da se model v takšnih pogojih dobro obnese. Robustnost modela na različne svetlobne pogoje bomo preizkusili na zbirki EYB, medtem ko bomo robustnost modela na vpliv poze subjekta analizirali z zbirko FERET. Za ostale teste smo uporabili zbirko LFW, ki smo jo za potrebe tega dela obdelali tako, da smo postopoma slabšali slike uporabnikov. Razdalje med vektorji značilk smo računali s pomočjo kosinusne razdalje, za prikaz učinkovitosti smo uporabili krivulje ROC.20162016-09-09 14:25:00Diplomsko delo85009VisID: 34502sl