Search

Velika količina podataka koja se svaki dan kreira može se upotrijebiti za razvoj algoritama umjetne inteligencije u domeni računalnog vida koji rješavaju zadatke poput klasifikacije slika, detekcije osoba i raspoznavanja akcija. Ti skupovi podataka su najčešće izrađeni od videozapisa i slika preuzetih s televizijskih kanala ili s društvene mreže YouTube i prikupljeni su i pripremljeni za odgovarajući zadatak. Nas je zanimao zadatak detekcije plivača, kako bi se model mogao koristiti za raspoznavanje i unaprjeđenje plivačkih tehnika. Iako danas postoje ogromne otvorene baze slika poput COCO i ImageNet, pripremljene za nadzirano strojno učenje te baze sportskih scena poput Olympic Sports Dataset, UCF Action Sport dataset ili Sport-1M koje uključuju slike popularnijih (gledanijih) sportova, nijedna od njih ne uključuje slike koje bi se mogle koristiti za izradu našeg modela za detekciju plivača. Stoga je u ovom radu opisan postupak snimanja i prikupljanja video materijala te priprema skupa slika UNIRI-SWM za detekciju plivača. Skup uključuje snimke plivača u realnim, situacijskim uvjetima treninga i natjecanja snimljenih akcijskim kamerama iz različitih kutova snimanja. U radu su dani rezultati detekcije plivača korištenjem dubokih konvolucijskih neuronskih mreža Mask R-CNN i Yolov3, naučenim na skupu općih slika prije i nakon učenja na skupu UNIRI-SWM. Rezultati pokazuju da se nakon prilagodbe modela na odgovarajućem skupu slika iz domene plivanja mogu postići jako dobri rezultati detekcije plivača., The large amount of data that is created every day can be used to develop artificial intelligence algorithms in the domain of computer vision that solve tasks such as image classification, face detection and action recognition. These datasets are most often created from videos and images downloaded from television channels or the YouTube social network and are collected and prepared for the appropriate task. We were interested in the task of detecting swimmers, so that the model could be used to recognize and improve swimming techniques. Although today there are huge open image databases like COCO and ImageNet, prepared for supervised machine learning and sports scene databases like Olympic Sports Dataset, UCF Action Sport dataset or Sport-1M that include images of more popular (watched) sports, none of them include images that could be used to make our swimmer detection model. Therefore, this paper describes the process of recording and collecting video material and preparing a set of UNIRI-SWM images for swimmer detection. The set includes shots of swimmers in real, situational training and competition conditions filmed by action cameras from different shooting angles. The paper presents the results of swimmer detection using deep convolutional neural networks Mask R-CNN and Yolo v3, learned in the set of general images before and after learning in the set UNIRI-SWM. The results show that after adjusting the model on the appropriate set of images from the swimming domain, very good results of swimmer detection can be achieved.

Unutar ovog rada uspoređuju se dostupne baze podataka za automatsko prepoznavanje emocija s lica osobe. Zadatak je upotrebom VGG16 konvolucijske neuronske mreže provesti trening s tri različite baze podataka te evaluirati njihov rad. Koristeći isti model mreže, mogu se donijeti konkretni zaključci o kvaliteti podataka unutar svake baze. Uvodni dio rada pojašnjava što je to duboko učenje te predstavlja dosadašnja postignuća u području automatskog prepoznavanja emocija. Počevši od modela umjetnog neurona, objasniti će se cjelokupna arhitektura mreže. Definirati će se slojevi konvolucijske neuronske mreže, a zatim i objasniti svaki od njih. Nadalje, predstaviti će se baze podataka te opisati proces treninga. Na kraju će se prikazati dobiveni rezultati te će se komparativnom analizom donijeti zaključak o kvaliteti rada svake mreže. Za potrebe istraživanja u ovom radu korištene su brojne znanstvene metode od kojih se izdvajaju znanstvene metode analize i sinteze te metode indukcije i dedukcije. Within this paper the available databases for automatic emotion recognition from facial features will be compared. The task is by using same VGG16 convolution neural network conduct training with three different databases and evaluate their work. Using the same network model, specific conclusions can be made about the quality of the date within each database. The introductory part of the paper explains what deep learning is and presents the achievements so far in the field of automatic emotion recognition. Starting with an artificial neuron model, the overall architecture of the network will be explained. The layers of convolutional neural networks will be defined and then each of them will be explained. Furthermore, databases will be presented, and the training process will be described. At the end, the obtained results will be presented, and a conclusion will be drawn about the quality of work of each network through a comparative analysis. For the purposes of research in this work, numerous scientific methods are used, of which the scientific methods of analysis and synthesis and the methods of induction and deduction stand out.

Autonomna vozila su vozila svjesna vlastite okoline i sposobna samostalnog kretanja u njoj. To im omogućuju razni senzori i algoritmi koji obrađuju njihove podatke. Semantička segmentacija je ključan algoritam učenja autonomnih vozila temeljen na konvolucijskim neuronskim mrežama. Konvolucijske neuronske mreže su posebna vrsta dubokih neuroskih mreža temeljene na prepoznavanju slika. Kako bi se algoritam prilagodio stvarnom svijetu koriste se okruženja koja simuliraju stvarne uvjete okoline. Kada algoritam prođe sve uvjete dane u virtualnom okruženju, tek onda se razmatra testiranje u stvarnoj okolini. CARLA je okruženje koje se koristilo u ovom radu. Rad detaljno opisuje konvolucijske neuronske mreže i njihove prednosti nad navigacijom autonomnih vozila. Autonomous vehicles are vehicles aware of their own environment and capable of independent movement in it. This is made possible by various sensors and algorithms that process their data. Semantic segmentation is a key learning algorithm for autonomous vehicles based on convolutional neural networks. Convolutional neural networks are a special type of deep neural networks based on image recognition. In order to adapt, the algorithm uses simulation of real-world conditions. When the algorithm passes all the conditions given in the virtual environment, only then is testing in the real environment considered. CARLA is the environment used in this paper. The paper describes in detail convolutional neural networks and their advantages over autonomous vehicle navigation.

U ovom radu je prikazan neuronski algoritam prijenosa stila i teorija na kojoj se zasniva. On koristi VGG-19 model konvolucijske neuronske mreže kako bi izvukao sadržaj iz jedne slike, te stil iz druge. Zatim spaja izvučene značajke postupkom minimiziranja gubitka. Uz rad je priložen programski kod implementacije algoritma u Pythonu. Opisani su rezultati njegova izvođenja, te razlike nastale mijenjanjem početnih parametara. This paper presents a neural style transfer algorithm and the theory on which it is based. It uses the VGG-19 model of a convolutional neural network to extract content from one image, and style from another. Then it merges the extracted features with a loss minimization process. The program code of the algorithm implementation in Python is attached to the paper. The results of its performance are described, as well as the differences caused by changing the initial parameters.

Cilj ovog rada bio je istražiti kako evaluirati šahovsku poziciju pomoću dubokog učenja. Na početku rada iznesena je problematika evaluacije šahovske pozicije. U prvom dijelu rada opisuje se kako su se prikupljali podatci koji su kasnije korišteni u izgradnji modela. U drugom dijelu rada opisano je kako su se podatci pripremili, odnosno kako su se prilagodili za učenje modela konvolucijske neuronske mreže. U trećem dijelu rada prikazana je izgradnja modela i objašnjena je njegova arhitektura. Konačno, prikazani su rezultati testiranja modela. The aim of this paper was to explore how to evaluate a chess position using deep learning. At the beginning of the paper, the issue of evaluation of the chess position was presented. The first part of the paper describes how the data, that were later used in building the model, were collected. The second part of the paper describes how the data were prepared, ie how they were adapted for convolutional neural network model. The third part of the paper presents the construction of the model and explains its architecture. Finally, the test results of the model are presented.

U ovom radu opisan je postupak razvoja jedne konvolucijske neuronske mreže koja uspješno klasificira slike pribavljene sa robotske hvataljke SofIA. Napravljen je pregled nekoliko radova iz područja "soft" robotike koji se bave sličnom tematikom. Opisani su koraci generiranja sintetskih podataka za treniranje u programu Blender i prikazana je struktura tih podataka. U daljnjim poglavljima opisana je struktura konvolucijske neuronske mreže i njena programska implementacija. Neuronska mreža trenirana je koristeći 3 različite kombinacije sintetskih i pravih podataka za treniranje, za svaku kombinaciju testirali smo neuronsku mrežu na pravim podacima. Odabrali smo najbolje rješenje koje ima približno 95% točnosti na pravim podacima. Usporedili smo ostala rješenja s najboljim i komentirali rezultate. This paper describes the development of a convolutional neural network used for classification of pictures obtained from SofIA robotic gripper. A brief overview of the soft robotics research area is written, commenting on a few papers researching soft robotic grippers. The process of generating the synthethic dataset in Blender and it's structure is described in detail in the next chapter. After generating the dataset used for training the neural network, the structure and specific parameters of the network is described. The code and other tools used for designing, training and testing the neural network is shown next. There were 3 different training methods used, a combination of synthethic and real data. The best of the three approaches was picked as the final solution, which had a 95% accuracy when tested on a real sample.Finally, the three approaches were compared based on their accuracy and the results were discussed.

Cilj ovog rada je prikazati kako umjetne neuronske mreže mogu pomoći zdravstvenim djelatnicima pri dijagnozi bolesti te tako olakšati i ubrzati proces liječenja pacijenta. Za taj zadatak korištena je darknet implementacija YOLO (You Only Look Once) arhitekture čija je glavna prednost nad ostalim mrežama za detekciju objekata njegova brzina. Osim YOLO arhitekture opisane su i R-CNN (Regions with CNN features) arhitekture. Model istreniran u ovom radu ima mAP (mean average precision) 59.14%, a testiranje na 100 slika pokazuje da model dosta dobro detektira česta oštećenja, a lošije oštećenja koja se rijetko pojavljuju ili koja se mogu zamijeniti s normalnim nalazom. The aim of this paper is to show how artificial neural networks can help health professionals in diagnosing the disease and thus facilitate and speed up the process of treating the patient. For this task, the darknet implementation of the YOLO (You Only Look Once) architecture is used, whose main advantage over other networks for object detection is its speed. In addition to the YOLO architecture, R-CNN (Regions with CNN features) architectures are also described. The model trained in this paper has a mAP (mean average precision) of 59.14% and testing on 100 images shows that the model detects frequent damages quite well, however damages that rarely occur or that can be mistaken for a normal finding are not detected as well.

Cilj rada je prikaz nekih od tehnika primjene umjetne inteligencije. Problematika koja je obrađena je klasifikacija slika, točnije klasifikacija odjevnih predmeta. Prikazana je primjena jednostavnih neuronskih mreža i konvolucijskih neuronskih mreža za čiju implementaciju je korišten programski jezik Python, te biblioteke TensorFlow i Keras. Na kraju rada opisan je jednostavan model navedenih mreža, te su prikazani dobiveni rezultati., The goal of the paper is to present some of the techniques of applying artificial intelligence. The issue that has been addressed is the classification of images, more precisely the classification of clothing. The application of simple neural network and convolutional neural network is presented, for the implementation of which the Python programming language was used, as well as the TensorFlow and Keras libraries. At the end of the paper, a simple model of these networks is described, and the obtained results are presented.

Ovaj rad objašnjava osnovne koncepte potrebne da se načelno shvate konvolucijske neuronske mreže počevši od osnove umjetne inteligencije pa sve do konkretne implementacije. Rad kao motivaciju obrađuje detekciju registracijskih tablica vozila te se usredotočuje na rješavanje dotičnog problema. Primjenjujemo konvolucijske neuronske mreže u tom naumu, specifično YOLO (You Only Look Once) arhitekturu te službenu darknet implementaciju. Uz YOLO arhitekturu koja je detaljno objašnjena, navedene i uspoređene su ostale poznate arhitekture konvolucijskih neuronskih mreža. Konačno, izgrađen je generaliziran model za registracijske tablice koji nije specifičan nijednoj državi niti obliku tablice. This paper attempts to explain basic concepts required to understand essentials of convolutional neural networks starting from the basics of artificial intelligence up to actual implemenation. As motivation, this paper explains license plate detection and focuses on solving said problem. We use convolutional neural networks in attempt to solve the issue, specifically YOLO (You Only Look Once) arhitecture and its official darknet implementation. In addition to the YOLO arrhitecture which is thoroughly explained, other frequently used convolutional neural network architectures are mentioned and compared. Finally, a generalized model for detecting license plates is constructed which is not specific to any country nor shape.

U ovom radu opisane su neke od tehnika primjene umjetne inteligencije i strojnog učenja u medicini, počevši od prvog ekspertnog sustava u ovom području pa sve do nekih novijih koncepata. Naglasak je stavljen na klasifikaciju medicinskih slika, te primjenu konvolucijskih neuronskih mreža u ovom području. Na samom kraju rada opisan je jednostavni model jedne takve mreže sa dobivenim rezultatima., This paper describes some of the techniques of applying artificial intelligence and machine learning in medicine, starting from the first expert system in this field to some newer concepts. Emphasis is placed on the classification of medical images, and the application of convolutional neural networks in this area. At the very end of the paper, a simple model of that network is described with the obtained results.

Rad daje uvod u umjetne neuronske mreže s naglaskom na konvolucijskim modelima. Ukratko je opisano učenje neuronske mreže. U radu uvodimo dodatni modul za prostornu transformaciju u konvolucijski model, kako bi poboljšali prostornu invarijantnost modela. Opisujemo arhitekturu dodatnog modula te dvije implementirane deformacije - afinu transformaciju i thin-plate spline transformaciju. Dana je programska implementacija modela te metode za učenje i evaluaciju istih. Modeli su trenirani na skupu MNIST. Prikazani su usporedni rezultati dvaju modela s modulom za prostornu transformaciju i modela bez dodatnog modula. This paper gives an introduction to artificial neural networks with emphasis on convolutional models. We described briefly learning process of neural network. In this work we introduce additional spatial transformer module in convolutional model to increase spatial invariance. We describe the architecture of additional module and two implemented deformations -- affine transformation and thin-plate spline transformation. This paper gives code of model in PyTorch and methods for training and testing models. We trained models on MNIST dataset. We gave comparative results of two models with spatial transformations and third model without STN.

Problematika kojom se bavi diplomski rad je detekcija vremenskih uvjeta u okolini automobila. U prvom dijelu diplomskog rada opisan je problem detekcije vremenskih uvjeta, kao i neki dosadašnji radovi koji se bave sličnim problemima. Drugim dijelom rada predstavljena je teorijska osnova potrebna za rješavanje praktičnog dijela rada. Rješenje praktičnog dijela rada, kao i rezultati testiranja rješenja opisani su u trećem dijelu diplomskog rada. Za potrebe treniranja klasifikatora izrađeni su skupovi podataka za treniranje i validaciju iz dva izvora: BDD100K baze podataka i izvlačenjem okvira iz prikupljenih video sekvenci. Kreirane su dvije baze podataka: WDC_dataset i DNC_dataset baza podataka, gdje je WDC_dataset korištena pri učenju klasifikatora koji bi trebao raspoznavati vremenske uvjete, a DNC_dataset pri učenju klasifikatora koji bi trebao raspoznavati vrijeme dana, odnosno dan i noć. Predloženo rješenje je realizirano korištenjem konvolucijske neuronske mreže s tri konvolucijska sloja između kojih su korištene ReLu aktivacijske funkcije i slojevi sažimanja po maksimalnoj vrijednosti. Rješenje bazirano na konvolucijskoj neuronskoj mreži je uz korištenje empirijski određenog praga i kružnog međuspremnika za dodatno filtriranje loših predikcija pokazalo zadovoljavajuće rezultate nad testnim video sekvencama. Dobiveno rješenje postiže točnost od 98.3% nad testnim video sekvencama, gdje najbolje rezultate postiže kod detekcije snježnog vremena (100%), a najlošije kod detekcije maglovitog vremena (97.25%). This diploma thesis details the detection of weather conditions in the car environment. The first part of the thesis describes the problem of weather detection, as well as some previous work dealing with same or similar problems. The second part of the paper presents the theoretical basis for dealing with the practical part of the paper. The solution of the practical part of the thesis, as well as the results of testing the solution are described in the third part of the thesis. For training purposes, training and validation data sets were created from two main sources: the BDD100K database and by extracting frames from the collected video sequences. Two databases were created: WDC_dataset database and DNC_dataset database, where WDC_dataset was used for weather conditions classifier training, and DNC_dataset for day-night classifier training. The proposed solution was implemented using convolutional neural network with three convolutional layers, between which ReLu activation functions and max pooling layers were used. The solution based on the convolutional neural network is using a empirically determined threshold and a circular buffer to further filter out false predictions. The proposed solution achieved an accuracy of 98.3% for tested video sequences, where the solution is showing the best results in snowy weather detection (100%) and worst in foggy weather detection (97.25%).

U ovom završnom radu opisano je kako funkcioniraju neuronske mreže i dan je uvid u njihovu arhitekturu. Konvolucijske neuronske mreže su detaljnije opisane jer su se koristile u izradi rada. Detaljno su opisani konvolucijski i potpuno povezani sloj. U radu je detaljno opisan sustav za prepoznavanje i klasifikaciju slika, YOLO (You only look once). Nakon teoretskog uvoda navedeno je kako koristiti sustav i pokazani su primjeri proizišli iz testiranja neuronske mreže. Slike prikazuju kako dobru klasifikaciju tako i greške i poteškoče na koje nailazi sustav. This paper describes how neural networks work and gives insight into their architecture. Convolution Neural Networks are described in more detail because they were used for this paper. A convolutional and fully-connected layer is described in detail. This paper describes the system for recognizing and classifying images, YOLO (you only look once). After the theoretical introduction, it was stated how to use the system and demonstrated examples derived from the testing of neural network. The pictures show how good the classification is but also the mistakes and difficulties faced by the system.

Ovaj rad bavi se izmjenom Faster R-CNN modela kako bi bolje odgovarao problemu detekcije registarskih oznaka u otežanim uvjetima. U radu su detaljno objašnjeni hiperparametri i njihov utjecaj te je kroz iteracije razvoja modela razvijen vrlo dobar model koji rješava zadan problem. Također je opsežno objašnjena metodologija u radu i koncepti kojima su se racionalizirale odluke donesene prilikom razvoja. Rad se također dotiče optičkog očitanja registarskih oznaka, gdje opisuje korake pred-procesiranja i samog očitanja tablica. This paper deals with the modification of the Faster R-CNN model to better address the problem of detection of registration labels in difficult conditions. The paper explains in detail the hyperparameters and their influence, and through the development iterations of the model, a very good model has been developed to solve the given problem. The work methodology is also extensively explained along with concepts that rationalize decisions made during development. The work also touches upon the optical reading of the registration labels, describing the steps of pre-processing and reading vehicle registrations themselves.

Tema završnog rada jest klasifikacija slika konvolucijskim neuronskim mrežama. Kroz zadnjih nekoliko godina korištenje dubokih neuronskih mreža dovelo je do postizanja jako dobrih rezultata u rješavanju zadataka iz područja računalnog vida, a za postupke vizualne klasifikacije najboljima su se pokazale konvolucijske neuronske mreže. Rad obuhvaća teoretsku podlogu vezanu za konvolucijske mreže, od same definicije mreže, značaja koji danas ima u zadatcima veznim za klasifikaciju slika, tipove i prostorni raspored slojeva i neurona te opis mreža koje su izrađene u sklopu ovog rada. Također je dan osvrt na TensorFlow, Googleovu biblioteku koja je korištena za programsku izvedbu zadataka. The topic of this paper is image classification using deep neural networks. During last several years, the use of deep neural networks has led to breakthrough results on a variety of pattern recognition problems, such as computer vision. Convolutional neural network is a special kind of neural network most used in visual classification problems. This paper gives a theoretical background referring to ConvNets, the significance they have in achieving state-of-the-art results in modern image classification problems, spatial arrangement, layer patterns and type of neurons used for making the network that was a part of this assignment. A brief review of TensorFlow is also given, due to the fact that TensorFlow is the library used in making of this project.

U radu su predstavljene umjetne neuronske mreže i njihovo proširenje konvolucijske neuronske mreže koje su korištene u radu. Opisan je način rada, izgled arhitekture koja je korištena i predstavljeni eksperimentalni rezultati. Cilj ovog rada bila je klasifikacija sorti maslina pomoću pripadajućih koštica. Kao fizikalno svojstvo po kojem se koštice masline razlikuju odabran je oblik masline. Pronađene su točke na konturi masline i predane kao ulaz konvolucijskoj neuronskoj mreži. Za rad s mrežom korištena je biblioteka Caffe, dane su upute za njenu instalaciju, objašnjeno korištenje te opisani njeni slojevi i parametri. Na kraju su predložene ideje za poboljšanje točnosti klasifikacijskog postopka. This paper is about artificial neural networks and convolutional neural network that was used in the experimental work. The main goal of this paper was classification of different types of olives using their pits. We can difference olive sort by looking at the shape of the pits, so the plan was to find points on the pit contour. Points became convolutional neural network input. Framework Caffe was used to work with convolutional neural networks. Caffe installation, user instructions and network architecture were presented in this paper. In the end, experimental results of classification were shown and some ideas for classification results improvement were given.

U ovom radu napravljen je kratak pregled neuronskih mreža s naglaskom na konvolucijske neuronske mreže. Cilj rada bio je napraviti sustav koji iz datog skupa slika osoba koje gledaju u ekran nauči u koju točku na ekranu osoba gleda koristeći konvolucijske neuronske mreže. Korištena je gotova biblioteka za treniranje konvolucijskih neuronskih mreža Caffe, opisan je način njenog korištenja, te su implementirani vlastiti alati za prikupljanje vlastitog skupa za učenje. Na kraju su opisani dobiveni rezultati. This paper made a brief overview of neural networks with a focus on convolutional neural networks. The aim was to create a system that, from a given set of images of people who look at the screen, learns where on the screen people are looking at. The system is based on convolutional neural networks. Framework for training and deploying convolutional neural networks Caffe was used. This paper describes how it is used. In order to obtain training and testing data additional tools were implemented. Finally, the obtained results from experiments were discussed.

Cilj je završnoga rada prikazati treniranje YOLOv5 algoritam na prilagođenome setu podataka kako bi algoritam mogao prepoznati slova hrvatske znakovne abecede. Na početku rada objašnjeno je što je detekcija objekata, kojom se rad bavi. U drugom dijelu rada objašnjena je konvolucijska neuronska mreža koja se nalazi u pozadini YOLO algoritma. Treći dio rada bavi se YOLO algoritmom. Opisana je kratka povijest nastanka tog algoritma i način na koji radi te je opisana arhitektura YOLOv5 algoritma. Četvrti dio rada objašnjava sve korake potrebne za implementaciju ovoga algoritma. Najprije je opisano prikupljanje i označavanje svih slika za skup podataka, zatim treniranje samoga modela te u konačnici instalacija algoritma na operativni sustav Windows kako bi se detekcija mogla izvoditi u stvarnome vremenu. Zadnji dio rada analizira dobivene rezultate te se predlažu određene smjernice za daljnji rad na projektu i za poboljšanje rezultata projekta., The goal is to show the training of the YOLOv5 algorithm on a customized dataset so that the algorithm can recognize the letters of the Croatian sign alphabet. In the first part, it was explained what object detection is. In the second part, the convolutional neural network, which is behind the YOLO algorithm, is clarified. The third part deals with the YOLO algorithm. A history of the creation, the way it works and the architecture is explained. The fourth part explains all the steps necessary to implement this algorithm. First, the collection and labelling of all images are described, then the training, and finally, the installation of the algorithm on the Windows operating system so that the detection can be performed in real-time. The last part of the paper analyzes the obtained results and suggests specific guidelines for further work on the project and how to improve the results.

U ovom radu istražuje se mogućnost predviđanja broja ljudi u danom prostoru kroz jakost Wi-Fi polja u određenim točkama prostora. Predviđanja ostvaruju algoritmi strojnog učenja iz podataka generiranih kroz simulaciju i eksperiment. Iako rezultati na eksperimentalnim podacima nisu zadovoljavajući, istraživanje na podacima iz simulacije daje obećavajuće rezultate s obzirom na to da je najveća točnost predviđanja oko 69%. This paper investigates the possibility of predicting the number of people in a given space through the strength of Wi-Fi signal in certain points of space. Predictions are made by machine learning algorithms from data generated through simulation and experiment. Although the results of the experiment data are not satisfactory, research on simulation data give promising results considering that the highest prediction accuracy is around 69%.

U ovom radu predstavljena su i uspoređena dva programska rješenja za prepoznavanje znakovnog jezika na slici, iako im je implementacija različita oba rade na slične načine. Uz implementaciju rješenje pokušalo se na što jednostavniji način opisati glavne metode korištene za dobivanje programskih rješenja. In this paper, two software solutions for sign language recognition from image are presented and compared, although their implementation is different they both work in similar ways. In addition to the implementation of the solution, an attempt was made to describe in the simplest possible way the main methods used to obtain software solutions.

U radu je prikazana primjena konvolucijskih mreža u detekciji igraćih karata. Prije same detekcije generiran je umjetni skup podataka na kojem modeli detekcije uče svoje težine. Objašnjeni su različiti pristupi detekciji objekata te metode mjerenja uspješ- nosti detektora. Implementirane su različite metode detekcije igraćih karata te je ispi- tana njihova točnost na ručno izrad̄enom skupu fotografiranih slika. Dodatno se za sve metode mjeri prosječno vrijeme potrebno za detekciju karata na slikama. The paper presents the application of convolutional networks in the playing card detection problem. Before object detection itself, the dataset on which the detection model trains its weights was generated. Different approaches to object detection and methods for measuring detector performance are explained. Different methods of de- tecting playing cards have been implemented, and their accuracy has been calculated on a manually created set of photographed images. In addition, the average time requ- ired to detect objects in images for all methods was measured.

Stereoskopska rekonstrukcija postupak je kojim pomoću dviju kamera želimo rekonstruirati geometriju scene. Važan korak prije tog postupka jest odrediti korespondentne piksele. Korespondencija se može ostvariti pomoću ručno napravljenih metrika ili metrika naučenih dubokim neuronskim modelima. U radu je opisan postupak korespondencije koji ugrađuje slike u visokodimenzionalan metrički prostor, a zatim takva ugrađivanja koristi za pronalazak korespondentnih piksela tj. mape dispariteta. Preuzet je javno dostupan skup slika "KITTI 2015 stereo" te su iz tog skupa izvedeni podaci za učenje mreže. Provedeni su eksperimenti za vrednovanje točnosti rekonstrukcije na ispitnom skupu te opisani su koraci za daljni razvoj. Stereoscopic reconstruction is a procedure by which we want to reconstruct the geometry of a scene with the help of two cameras. An important step before this procedure is to determine the corresponding pixels. Correspondence can be achieved by using hand-crafted metrics or metrics learned by deep neural models. The paper describes the procedure of correspondence by which images are embedded in a high-dimensional metric space, and then such embedding are used to find the correponding pixels ie. disparity maps. A publicly available set of images "KITTI 2015 stereo" was downloaded. Dataset for learning neural network was derived. Experiments were conducted to evaluate the accuracy of the reconstruction at the test set. Steps for further development are described.

Ovaj rad obrađuje detekciju upale pluća na rendgenskim snimkama uporabom metoda dubokog učenja. Upala pluća je respiratorna bolest koju uzrokuju bakterije ili virusi. Analiza rendgenskih snimaka prsnog koša najčešći je način dijagnosticiranja upale pluća. Razvijena je konvolucijska neuronska mreža koja omogućuje automatsku detekciju upale pluća na rendgenskim snimkama prsnog koša. Objašnjena je svrha i funkcionalnost pojedinih slojeva konvolucijskih mreža te su dobiveni rezultati uspoređeni s rezultatima drugih nedavnih radova. Dobivena je točnost od 93.3% na skupu za testiranje. Predložena metoda mogla bi se koristiti samo kao pomoćni alat za donošenje kliničkih odluka. Konačna odluka ipak treba biti prepuštena stručnoj osobi zbog nedostatka jasnog i pravilnog objašnjenja rezultata koje je predvidio model. The subject of this paper is the detection of pneumonia on chest X-rays using deep learning methods. Pneumonia is a respiratory disease caused by a virus or bacteria. Chest X-ray analysis is the most common way to diagnose pneumonia. A convolutional neural network with automatic detection of pneumonia on chest X-rays has been developed. The purpose and functionality of individual CNN layers is explained, and the obtained results are compared with other recent studies. An accuracy of 93.3% was obtained on the test set. The proposed method could only be used as an assistance tool for clinical decision making. However, the final decision should be left to the expert due to the lack of a proper and clear explanation of the results predicted by the model.

Tema ovog rada je evaluacija modela konvolucijske neuronske mreže (CNN) na CIFAR-100 bazi slika. Model mreže je izrađen u Python programskom jeziku koristeći biblioteku TensorFlow uz razne dodatne biblioteke. Procjena modela je odrađena korištenjem matrice konfuzija te srednje prosječne preciznosti (mAP). U prvom dijelu teorijski će te biti upoznati s konvolucijski neuronskim mrežama i alatima za evaluaciju rada tih modela. Nakon toga slijedi dio u kojem će biti prikazano i objašnjeno kodiranje evaluacije u programu Python. Na kraju se prikazuju i analiziraju rezultati te navode moguća poboljšanja rada mreže. The topic of this paper is the evaluation of the convolutional neural network model (CNN) on a CIFAR-100 image base. The network model is developed in Python programming language using TensorFlow library with various additional libraries. Model evaluation was done using confusion matrix and mean average precision (mAP). In the first part you will theoretically be informed about convolutional neural networks and tools for evaluating the operation of these models. This is followed by the part presenting and explaining the coding of the evaluation in Python program. Finally, the results are presented and analysed and possible improvements in network operation are indicated.

U radu se opisuje proces obrade radarskih slika i njihovo korištenje za prepoznavanje objekata. Koriste se konvolucijske neuronske mreže (YOLOv4 arhitektura) koje se treniraju na bazi podataka koja je snimljena pomoću radara. Cilj projekta je stvoriti model koji će dobro generalizirati i moću prepoznati objekte poput automobila, bicikala ili čovjeka iz radarskih slika. The paper describes the process of processing radar images and their use for object recognition. Convolutional neural networks (YOLOv4 architecture) are used, which are trained on a radar-recorded database. The goal of the project is to create a model that will generalize well and be able to recognize objects such as cars, bicycles, or people from radar images.

Tema ovog rada je ispravljanje nedostataka na slikama snimljenih dronom i njihovo povezivanje u mapu prostora. Rješenje se sastoji od detaljnog opisa dobivanja skupa podataka potrebnog za učenje neuronske mreže, konfiguracije konvolucijske neuronske mreže u arhitekturi autoenkodera i naposljetku izrade dekodera kojim se dobiva mapa prostora. Za kreiranje skupa podataka za učenje korištena je metoda augmentacije koja uz pomoć transformacija vrši promjene na slikama. Za potrebe krajnjeg izgleda arhitekture neuronske mreže najprije je napravljen običan autoenkoder prilagođen ovom problemu. Na temeljima te arhitekture napravljena su poboljšanja u vidu dodavanja potpuno povezanih slojeva kako bi autoenkoder bio sposoban ispravljati nedostatke na slikama. Završni dekoder dizajniran je na način da koristi latentne prostore pripadnih slika i spaja ih i rekonstruira u mapu prostora. The topic of this paper is the correction of imperfections in images taken by a drone and their connection to a map. The solution consists of a detailed description on how to obtain the data set needed to learn the neural network, the configuration of the convolutional neural network architecture and finally the creation of a decoder which results in map. To create a set of learning data, the augmentation method was used, which makes changes to the images with the help of transformations. For the needs of the final solution of the neural network architecture, a simple autoencoder adapted to this problem was created firstly. Based on this architecture, improvements have been made in the form of adding fully connected layers to make the autoencoder able to correct image imperfections. The final decoder is designed to use the latent spaces of the associated images and merge them into a map.

Duboke neuronske mreže i njihova primjena su sve zastupljenije u rješavanju problema računalnog vida zahvaljujući svojim visoko rangiranim rezultatima. U ovom radu najprije opisujemo pojam neuronske mreže te neophodne segmente za učenje modela, a to su: podaci, mjere uspješnosti i arhitektura modela. U nastavku je prikazan programske podrške koja olakšava korištenje modela. Deep neural networks and their application are increasingly represented in solving computer vision problems thanks to their highly ranked results. In this paper, we first describe the notion of a neural network and the necessary ones segments for model learning, namely: data, performance measures, and model architecture. Below is software that makes it easy to use the model.

U ovom radu proučeni su različiti pristupi oblikovanja računalnog agenta za automatsko igranje odabrane igre na ploči. Opisan je postupak efikasne implementacije igre kao i razvoj grafičkog korisničkog sučelja za evaluaciju agenta u igri protiv ljudskih igrača. Implementirani su algoritmi iz dvije različite familije: tradicionalni algoritmi koji se temelje na klasičnom minimaks pretraživanju stabla te noviji koji koriste Monte Carlo simulacije i duboko učenje. Razvijeni agenti su iterativno poboljšavani raznim optimizacijskim postupcima sve dok nije postignuta željena razina kvalitete igre. Posebno su naglašene mogućnosti, ograničenja i problemi pojedinih algoritama. Na koncu, nakon evaluacije svih razmotrenih algoritama, odabran je najbolji te je predložena njegova konačna natjecateljska implementacija. This paper considers different approaches of designing computer agents for automatic board game playing. It describes the process of efficient game engine implementation as well as graphical user interface for evaluating agent game play against human players. Algorithms from two different families were implemented: traditional algorithms which are based on classical minimax tree search and new ones which utilize Monte Carlo simulations and deep learning. Developed agents had been iteratively enhanced with various optimization techniques until satisfactory quality of game play was reached. Special focus was put on possibilities, limitations and problems of chosen algorithms. At last, after evaluation of all considered algorithms, the best one was chosen and its final competitive implementation was suggested.

Zadatak ovog diplomskog rada bio je razviti rješenje za prepoznavanje prometnih znakova ograničenja brzine. Kompletno rješenje bilo je potrebno razviti u programskom jeziku C, izvršiti njegovu optimizaciju i implementirati ga na zadanu ADAS (engl. Advanced driver-assistance systems) razvojnu ploču. Kao uvod u rad, dan je pregled postojećih rješenja navedenog problema te su pojašnjene metode i načini koji realiziraju slične zadatke. Detekcija prometnih znakova ograničenja brzine ostvarena je pomoću algoritma koji dolazi uz Vision SDK razvojno okruženje, dok je ispravno prepoznavanje prometnih znakova ostvareno pomoću konvolucijske neuronske mreže (engl. Convolutional Neural Network, CNN ili ConvNet). S obzirom da je CNN bilo potrebno implementirati na zadanu ADAS razvojnu ploču, prilikom kreiranja mreže bilo je potrebno obratiti pozornost na procesorske mogućnosti zadanog sklopovlja. Stoga, umjesto velikog broja konvolucijskih slojeva, željena CNN sadrži samo jedan konvolucijski sloj s 8 filtara veličine 5x5 elemenata slike i softmax sloj. CNN je kreirana u dva programska jezika, programskom jeziku Python za potrebe treniranja CNN na računalu i u programskom jeziku C za implementaciju CNN na ADAS razvojnu ploču. Rezultati testiranja pokazuju određenu preciznost, međutim ona nije zadovoljavajuća na svim korištenim skupovima testnih podataka. Pretpostavlja se da je rezultat klasifikacije prilično nizak zbog problema nastalog prilikom izdvajanja slike iz videozapisa i promjene rezolucije slike te bi daljnji rad svakako trebao ustanoviti da li je dana pretpostavka ispravna i zašto je problem nastao. The main goal of this thesis was to develope a solution for for recognizing speed limit traffic signs. The complete solution had to be developed in the C programming language, optimized and implemented on the default ADAS (Advanced driver-assist systems) development board. As an introduction to the paper, an overview of the existing solutions to the mentioned problems is given, which are explained methods and ways of realizing similar tasks. Speed limit traffic sign detection is achieved using an algorithm that comes with the Vision SDK development environment, while correct traffic sign recognition is achieved using Convolutional Neural Network (CNN or ConvNet). Since CNN needed to be implemented on a given ADAS development board, when creating the network it was necessary to pay attention to the processing capabilities of the given assembly. Therefore, instead of a large number of convolutional layers, the desired CNN contains only one convolutional layer with 8 filters size of 5x5 pixels and a softmax layer. CNN was created in two programming languages, the Python programming language for CNN training on a computer and the C programming language for implementing CNN on the ADAS development board. The test results show some accuracy, however, it is not satisfactory on all test datasets used. It is assumed that the result of the classifications is quite low due to the problem that arose when extracting images from the video and changing image resolutions. Further work should certainly determine whether the given assumption is corrected and why the problem occurred.

U uvodu ovoga rada opisana je teorija potrebna za razumijevanje i izvedbu zadatka. Nakon toga prikazana je implementacija YOLOv3-Tiny algoritma za detekciju objekata. Algoritam je iskorišten za treniranje modela koji će prepoznati i klasificirati oštećenja korozijom na vjetroelektrani. Navedeni su rezultati dobiveni iz prikupljenih fotografija te su navedena moguća poboljšanja prilikom pripreme podataka i samog treniranja modela. The introduction to this paper describes the theory needed to understand and perform the task. Afterthat, the implementation of the YOLOv3-Tiny algorithm for object detection is presented. The algorithm was used to train models that would recognize and classify corrosion damage at a wind farm. The results obtained from the collected photographs are given, as well as possible improvements in the preparation of data and the training of the model.

Većina postojećih algoritama za detekciju i prepoznavanje registarskih tablica nisu robusni u praksi i evaluirani su na malim skupovima podataka. U ovom radu predstavio sam CCPD podatknovni skup. Trenutno najveći i najkvalitetniji skup slika registarskih oznaka vozila. Sve slike su detaljno označene i mogu se koristiti kao skup za treniranje u algoritmima strojnog učenja. Također sam opisao slojeve duboke konvolucijske neuronske mreže i implementirao duboki konvolucijski model RPnet koji u jednom unaprijednom prolazu daje poziciju i broj registarske tablice. Za kraj performanse modela detaljno sam ispitao na skupu za testiranje. Most current license plate detection and recognition alghorithms are evaluated on small datasets and they are not robust in real world situations. In this paper I introduce CCPD dataset, currenty largest license plate dataset available. All images are carefully annotated and they can be used as train set in machine learning alghorithms. I also described typical deep convolutional model architecture and implemented deep convolutional model RPnet for license plate detection and recognition. Finally, i evaluated model on test set.

U ovome radu opisan je postupak klasifikacije srčanog tkiva uporabom dubokog učenja. Opisani su podatci s kojima se radilo te način obrade podataka. Kako bi se povećao skup podataka, korišteni su postupci augmentacije podataka te su i oni detaljno opisani u radu. Za klasifikaciju srčanog tkiva koristila se konvolucijska neuronska mreža prilagođena iz VGG16 mreže te je proveden prijenos učenja. Opisan je postupak treniranja i prikazani su rezultati mreže kroz niz metrika. Dan je primjer idejnog sustava za klasifikaciju za kojeg je također provedeno ispitivanje. Grad-CAM algoritam je korišten za vizualizaciju rada mreže i primjeri vizualizacija su prikazani u radu. Na posljetku je objašnjen postupak segmentacije slika tkiva koristeći Grad-CAM vizualizaciju kao temelj algoritma. This paper describes a method of classifying cardiac tissue using deep learning. It describes the data that was used and how the data was processed. It also describes data augmentations that were used to increase the amount of available data. Convolutional neural network based on VGG16 architecture is used to classify cardiac tissue and transfer learning is applied. The training process is described as well as the results of the testing process using numerous metrics. It gives an example of a classification system that was also tested. GradCAM algorithm is used to visualize the workings of the neural network and the examples of visualizations are displayed. Finally, it describes a tissue segmentation process using GradCAM visualizations as the basis of the method.

U sklopu ovog rada objašnjene su umjetne neuronske mreže s naglaskom na konvolucijske duboke neuronske mreže. Objašnjen je proces učenja neuronske mreže kao i korištene funkcije gubitka, regularizacije i problemi pri učenju. Predstavljeni su hiperparametri i optimalan odabir istih. Odabrana je prigodna arhitektura koja se temelji na konvolucijskim mrežama za problem semantičke segmentacije te je izvedena i modificirana implementacije iste. Na kraju rada prikazani su rezultati i moguće daljnje preinake za kvalitetniju segmentaciju. In this paper we introduced artificial neural networks with focus on deep convolutional neural networks. We described the learning process of a neural network as well as loss functions, regularizations and problems faced in the process of learning. We introduced hyperparameters and choosing their optimal values. We chose suitable architecture based on convolutional neural networks for problem of semantic segmentation and we implemented given architecture. In the end we presented the results and possible modifications for better segmentation.

Osobine ličnosti opisuju dosljedne obrasce mišljenja, osjećanja i ponašanja ljudi. Postoji interes za automatsko određivanje osobina ličnosti autora iz teksta pošto se osobine ličnosti očituju u preferencama i izborima osobe tijekom života. Ovaj rad bavio se automatski određivanjem osobina ličnosti autora teksta na hrvatskom jeziku. Za potrebe rada prikupljen je skup podataka na hrvatskom jeziku koji se je sastoji od eseja te rezultata na upitniku ličnosti IPIP. Uz skup podataka na hrvatskom jeziku korišten je i skup podataka na engleskom jeziku te su vektori riječi na hrvatskom i engleskom jeziku poravnani u jedan vektorski prostor modelom MUSE. Potom su razvijena dva modela dubokog učenja za određivanje osobina ličnosti autora teksta. Prvi model je konvolucijska neuronska mreža, a drugi hijerarhijska mreža pažnje. Provedeno je i eksperimentalno vrednovanje modela i analiza modela modelom LIME. Personality traits describe consistent patterns of thoughts, feelings and behaviours. There is a continual interest in automated personality traits detection from texts, since personality traits are manifested in preferences and choices a person makes during their life. The focus of this paper has been in the automated personality detection from texts written in the Croatian language. For this purpose, a dataset was collected consisting of essays and IPIP personality questionary. Along with this dataset, an English language dataset was also used and the word embeddings for Croatian and English were aligned into one vector space using the MUSE model. In addition, two deep learning models for text-based personality traits detection were developed. The first model is a convolutional neural network and the second one is a hierarchical attention network. Experimental evaluation of the models and their analysis was done using the LIME model.

Ovaj rad bavi se problemom detekcije igrača u snimkama nogometnih utakmica koristeći duboko učenje. Dan je kratak uvod u područje računalnog vida te probleme koje to područje rješava. Opisane se konvolucijske neuronske mreže te metode slaganja dubokih modela i načini njihova učenja. Zatim su opisane neke metode dubokog učenja za detekciju i semantičku segmentaciju. Također je opisan model za semantičku segmentaciju terena i igrača implementiran u ovom radu. Na kraju su prikazani i komentirani rezultati implementiranog sustava za semantičku segmentaciju. This paper deals with the problem of detecting players in footage of football matches using deep learning. A brief introduction to the field of computer vision and its tasks is provided. Convolutional neural networks and methods for building and learning deep networks are described. Some methods for object detection and semantic segmentation using deep learning are presented. Semantic segmentation model and its implementation are described. At the end the results of the implemented system are shown and explained.

U radu su predstavljene umjetne neuronske mreže i njihovo proširenje duboke neuronske mreže. Opisan je način rada, izgled arhitekture koja je korištena te su predstavljeni eksperimentalni rezultati. Cilj ovog rada bilo je segmentiranje krvnih žila iz slika očne pozadine. Za rad s mrežom korišten je radni okvir Caffe, dane su upute za njegovu instalaciju, objašnjeno korištenje te opisani njegovi slojevi i parametri. Na kraju su predočeni dobiveni rezultati s opisima i slikama This paper describes an artificial neural networks and their expansion, deep neural networks. In this article it is described mode, architecture layout that has been used, and experimental results were presented. The aim of this work was the segmentation of the blood vessels of the retina images. Caffe framework was used to operate with neural networks. In article instructions for its installation were given, way to use explained and its layers and parameters described. Finally, the results were presented with descriptions and pictures.