Search

Predviđanje budućnosti bitan je aspekt umjetne inteligencije. Razmatramo semantičko prognoziranje značajki (F2F), bazirano na modelu za semantičku segmentaciju bez lateralnih veza u naduzorkovanju, što omogućuje F2F modelu da radi samo na značajkama najmanje rezolucije. Nadalje, uspoređujemo nekoliko konvolucijskih arhitektura za F2F prognoziranje. Eksperimenti pokazuju da deformabilne konvolucije postižu bolje rezultate od običnih i dilatiranih konvolucija. Predicting the future is an important aspect of artificial intelligence. We explore feature-to-feature (F2F) semantic forecasting, based on a semantic segmentation model without lateral connections in the upsampling path, which allows the F2F model to work with features of lowest resolution. Furthermore, we compare several convolutional architecture for F2F forecasting. Experiments show that deformable convolutions achieve better results than regular and dilated convolutions.

Sustav kamere i inercijskog senzora (IMU) najbliži je elektronički ekvivalent kako živa bića vide objekte u prostoru, dok IMU predstavlja unutarnje uho koje daje osjećaj za ravnotežu u prostoru. Ovaj sustav omogućuje praćenje svog položaja u prostoru, odnosno vizualnu odometriju. Rješavanje problema vizualne odometrije samo iz monokularne slike daje skalirani pomak, budući da ne postoji način usporedbe sa stvarnim pomakom. Ovaj se problem odred̄ivanja faktora skaliranja može riješiti sustavom kalibriranih stereo kamera ili dodavanjem senzora IMU. Veliki je izazov ostvariti veću frekvenciju rada vizualne odometrije, što je moguće sa senzorom IMU koji radi na znatno višoj frekvenciji od kamere. U diplomskom je radu potrebno obraditi algoritme vizualne odometrije iz monokularne slike te riješiti problem faktora skaliranja pomaka dodavanjem senzora IMU. Razvijeni algoritam vizualne odometrije potrebno je provjeriti eksperimentalno na više različitih vanjskih prostora pod različitim uvjetima. Camera system and an inertia sensor (IMU) is the closest electronic equivalent to how living things see objects in space, while IMU represents the inner ear that gives a sense of balance in space. This system allows us to monitor our position in space, or visual odometry. Troubleshooting visual odometry only from monocular images gives a scaled shift, since there is no way to compare with real shift. This problem in determination of scaling factor can be solved by a system of calibrated stereo cameras or by adding an IMU sensor. A big challenge is achieving a higher frequency of visual odometry, which is possible with an IMU sensor that operates at a much higher frequency than cameras. It is necessary in the graduate thesis to process the algorithms of visual odometry from monocular images and solve the problem of displacement scaling factor by adding an IMU sensor. The developed visual odometry algorithm needs to be tested experimentally on different outdoor spaces under different conditions.

Cilj ovog diplomskog rada je koristeći predtrenirane konvolucijske neuronske mreže procijeniti spol osobe na temelju ortopantomograma. Rad je podijeljen u tri dijela. U prvom dijelu se govori o povijesti neuronskih mreža, njihovim arhitekturama, tipovima neuronskih mreža. Takod̄er je objašnjeno na koji način rade i umjetne i konvolucijske neuronske mreže. U drugom dijelu je pojašnjen pristup rješenju, koji je podijeljen u nekoliko djelova. Za svaki dio je objašnjeno zašto je potreban, te je prikazan dio koda koji obavlja tu zadaću. Posljednji dio rada prikazuje dobivene rezultate za svaku kori- štenu neuronsku mrežu. Postignuti rezultati za svaku mrežu se med̄usobno uspored̄uju, a i uspored̄uju se ortopantomogrami koji su krivo procjenjeni. Theme of this paper is by using the pretrained convolutional neural networks to determine the sex of the person using the given X-ray image of the jaw. Paper is divided into three parts. First part explains what are neural networks, talks about history of neural networks, their architectures and types. It is also explained how both artificial and convolutional neural networks work. Theme of the second part of the paper is the solution of the problem. The solution is devided in several parts. For every part it is explained why why it is necessary and there is part of code which solves the issue. In the last part of the paper results are shown and compared.

U okviru ovog diplomskog rada prikazan je proces oblikovanja i izrade programske potpore za analizu značajki fizioloških reakcija na emocionalne podražaje primjenom statističkih metoda i strojnog učenja. Prvo je dan pregled dostupnih programskih rješenja i teorijska osnova nekih metoda primijenjenih u izradi programske potpore. Zatim je opisan model strukture programske potpore. Glavni dio rada bavi se opisom implementacije programske potpore, pri čemu se upotrebljavaju već postojeći fiziološki podatci iz ranije provedenih laboratorijskih eksperimenata. Nakon implementacije opisano je novo laboratorijsko mjerenje koje je provedeno u okviru ovog rada zajedno s postupkom prilagodbe programske potpore za rad s novim podatcima, te su ilustrirani rezultati provedene analize podataka. The thesis shows the design and development of the software for analysis of physiological features of responses to emotional stimuli based on statistical methods and machine learning. The first part of the thesis gives an overview of existing software solutions and theoretic basis of some methods that were applied during software development. Afterwards, the model of the software structure is described. The main part of the thesis deals with implementation of the software, which relies on existing physiological data obtained from prior laboratory experiments. Finally, a new laboratory measurement that was conducted in this thesis is explained together with the process of needed software modifications and extensions to work with these data, and the obtained results of data analysis are illustrated.

Objašnjen je pojam detekcije osoba, te područja primjene. Opisani su osnovni pojmovi vezani za strojno učenje. To su regresijski i klasifikacijski problemi, te problemi grupiranja, zatim pojam nadziranog i nenadziranog učenja, mjerenja pogreške, odabir skupa za treniranje, skupa za testiranje, fleksibilnost i fenomen pretreniranja. Detaljno je opisan postupak odabira značajki kod problema detekcije osoba pomoću integralne slike i kanala dobivenih iz originalne slike. Objašnjeni su sljedeći kanali: LUV, magnituda gradijenata i histogram gradijenata. Detaljno je opisan postupak adaptivnog učenja i pojmovi vezani za njega; slabi klasifikator, stabla odlučivanja, naglašavanje testnih podataka, mjera pogreške, težinski faktori. Detaljno je prikazana implementacija rješenja, te su prikazani rezultati i predložena poboljšanja. Uvedeni su pojmovi za evaluaciju rezultata: TP, FN, FP, TN. The notion of person detection is described along with it's applications. The basic concepts of machine learning are explained. Those are: regression, classification and clustering problems, supervised and unsupervised learning, the concept of error measurement, choosing the training and testing sets, flexibility and overfitting. The process of choosing the features using integral image and image channels is described in details. The following image channels are explained: LUV, gradient magnitude and gradient histogram. The concept of adaptive boosting is explained in details, along with it's basic terms: weak classifier, decision trees, test data exaggeration, error rate, weight factors. The implementation of solution is described in details, the results are analysed, and improvements are suggested. The basic terms for performance evaluation are explained: TP, FN, FP, TN.

Spajanje slika je vrlo popularna aplikacija obrade slika. Posebno je zanimljiv slučaj spajanja slika u stvarnom vremenu, jer takav zahtjeva posebne uvjete izvršavanja programa. Algoritam spajanja mora biti brz, a u isto vrijeme mora dati vjerodostojnu sliku. Pri spajanju se koriste brzi i robusni algoritmi poput SURF i FLANN algoritama za značajke, GraphCut za šavove i sl. Brzina uvelike ovisi o tipu izobličavanja slika. Najčešće korišteni tipovi su: kuglasti, te planarni tip izobličavanja. Namjena aplikacije je dobivanje cjelovite slike sa kamera bespilotnih letjelice tipa AR.Drone Parrot, odnosno proširivanje vidnog polja letjelica spajanjem video snimki u jednu cjelinu. Image stitching is very popular image processing application. Special interes is given to a real - time image stitching, which requires special requirements in program execution. Stitching algorithm must be fast, and at the same time it must produce reliable image. Advanced robust algorithms are used in this type of stitching, such as SURF and FLANN for features, GraphCut for seams and similar. Execution speed, also, greatly depends on image warper. The ones used most often are: sphere warper and plane warper. Purpose of this application is real - time image stitching using cameras on unmanned aerial vehicles, in other words, expanding the visual field of parrot swarm.