Procjena spola osoba iz panoramskih rendgenskih slika čeljusti
Sažetak na hrvatskom: 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. Takod...
| Permalink: | http://skupni.nsk.hr/Record/fer.KOHA-OAI-FER:50305/Details |
|---|---|
| Glavni autor: | Šućur, Ante (-) |
| Ostali autori: | Subašić, Marko (Thesis advisor) |
| Vrsta građe: | Drugo |
| Impresum: |
Zagreb,
A. Šućur,
2018.
|
| Predmet: |
ortopantomogram
> neuron
> mreža
> konvolucija
> treniranje
> težine
> imagenet
> VGG
> Inception
> fino
> podešavanje
> Jupyter
> IPython
> keras
> tensorflow
> arhitektura
> aktivacija
> značajke
> filter
> sloj
> sažimanje
> ulaz
> izlaz
> klasifikacija
> duboke
> parametri
> optimiziranje
> gradijent
> backpropagation
> predtrenirane
> klasa
X-ray
> neuron
> network
> convolution
> training
> weights
> imagenet
> VGG
> Inception
> fine
> tune
> Jupyter
> IPython
> keras
> tensorflow
> architecture
> activation
> features
> filter
> layer
> pooling
> input
> output
> classification
> deep
> parameters
> optimization
> gradient
> backpropagation
> pretrained
> class
|
| LEADER | 03005na a2200229 4500 | ||
|---|---|---|---|
| 003 | HR-ZaFER | ||
| 008 | 160221s2018 ci ||||| m||| 00| 0 hr d | ||
| 035 | |a (HR-ZaFER)ferid5236 | ||
| 040 | |a HR-ZaFER |b hrv |c HR-ZaFER |e ppiak | ||
| 100 | 1 | |a Šućur, Ante | |
| 245 | 1 | 0 | |a Procjena spola osoba iz panoramskih rendgenskih slika čeljusti : |b diplomski rad / |c Ante Šućur ; [mentor Marko Subašić]. |
| 246 | 1 | |a Gender Estimation From Panoramic X-ray Images of Human Jaw |i Naslov na engleskom: | |
| 260 | |a Zagreb, |b A. Šućur, |c 2018. | ||
| 300 | |a 31 str. ; |c 30 cm + |e CD-ROM | ||
| 502 | |b diplomski studij |c Fakultet elektrotehnike i računarstva u Zagrebu |g smjer: Programsko inženjerstvo i informacijski sustavi, šifra smjera: 54, datum predaje: 2018-06-29, datum završetka: 2018-07-13 | ||
| 520 | 3 | |a Sažetak na hrvatskom: 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. | |
| 520 | 3 | |a Sažetak na engleskom: 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. | |
| 653 | 1 | |a ortopantomogram |a neuron |a mreža |a konvolucija |a treniranje |a težine |a imagenet |a VGG |a Inception |a fino |a podešavanje |a Jupyter |a IPython |a keras |a tensorflow |a arhitektura |a aktivacija |a značajke |a filter |a sloj |a sažimanje |a ulaz |a izlaz |a klasifikacija |a duboke |a parametri |a optimiziranje |a gradijent |a backpropagation |a predtrenirane |a klasa | |
| 653 | 1 | |a X-ray |a neuron |a network |a convolution |a training |a weights |a imagenet |a VGG |a Inception |a fine |a tune |a Jupyter |a IPython |a keras |a tensorflow |a architecture |a activation |a features |a filter |a layer |a pooling |a input |a output |a classification |a deep |a parameters |a optimization |a gradient |a backpropagation |a pretrained |a class | |
| 700 | 1 | |a Subašić, Marko |4 ths | |
| 942 | |c Y | ||
| 999 | |c 50305 |d 50305 | ||