|
|
|
|
| LEADER |
02148na a2200229 4500 |
| 003 |
HR-ZaFER |
| 008 |
160221s2018 ci ||||| m||| 00| 0 hr d |
| 035 |
|
|
|a (HR-ZaFER)ferid6152
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 100 |
1 |
|
|a Džida, Martin
|
| 245 |
1 |
0 |
|a Analiza ponašanja djeteta tijekom slobodne igre korištenjem dubokih neuronskih mreža :
|b završni rad /
|c Martin Džida ; [mentor Zdenko Kovačić].
|
| 246 |
1 |
|
|a Analysis of Child Behavior during Free Play using Deep Neural Networks
|i Naslov na engleskom:
|
| 260 |
|
|
|a Zagreb,
|b M. Džida,
|c 2018.
|
| 300 |
|
|
|a 35 str. ;
|c 30 cm +
|e CD-ROM
|
| 502 |
|
|
|b preddiplomski studij
|c Fakultet elektrotehnike i računarstva u Zagrebu
|g smjer: Automatika, šifra smjera: 33, datum predaje: 2018-06-15, datum završetka: 2018-07-13
|
| 520 |
3 |
|
|a Sažetak na hrvatskom: Prvo se obrađuje teorijska podloga Faster R-CNN mreže. Zatim se opisuje istrenirani model Faster R-CNN mreže. Za detekciju šake je dodana posebna neuronska mreža radi poboljšanja detekcije kontakta predmeta i ruke. Karakteristike kamere i 3D senzora su također opisane. Nakon toga je ponuđen detaljan opis instalacije svih programskih paketa. Nakon instalacije programskih paketa obrađuje se kalibracija 3D senzora i mjerenje dubine. Nakon toga se definira kontakt s igračkom i opisuje algoritam mjerenja vremena kontakta s igračkom.
|
| 520 |
3 |
|
|a Sažetak na engleskom: Firstly theoretical base for Faster R-CNN is discussed. After theory before trained Faster R-CNN model is described. For better contact detection hand detection neural network is added. Characteristics of the camera and 3D sensor are also described. After that, detailed description of the installation for all the packages is given. After installation of all packages, calibration of 3D sensor and measuring depth is described. After that, contact with a toy is defined and algorithm for measuring total time of contact is described.
|
| 653 |
|
1 |
|a Faster R-CNN, duboko učenje, Pepper, Kinect, CUDA, ADORE
|
| 653 |
|
1 |
|a Faster R-CNN, deep learning, Pepper, Kinect, CUDA, ADORE
|
| 700 |
1 |
|
|a Kovačić, Zdenko
|4 ths
|
| 942 |
|
|
|c Z
|
| 999 |
|
|
|c 48504
|d 48504
|