Vabimo študente, ki jih zanima delo na študentskih raziskovalnih projektih, implementacija novih algoritmov ali preizkušanje inovativnih idej, povezanih z področjem govornih tehnologij, računalniškim vidom ali razpoznavanjem vzorcem, da se oglasijo v našem laboratoriju.
Teme, ki so trenutno najbolj aktualne, obsegajo:
razvoj algoritmov za ocenjevanje starosti uporabnikov na podlagi slikovnih podatkov,
razvoj postopkov za razvrščanje tipov barve kože oseb na podlagi slikovnih podatkov,
razvoj podatkovnih zbirk in postopkov za lokalizacijo zvočnih virov v prostoru,
ocenjevanje starosti uporabnikov iz zvočnih posnetkov,
sinteza govora z globokimi omrežji.
Nekaj primerov projektov, ki so jih študenti izvedli v okviru dela pri različnih predmetih, katerih nosilci so člani laboratorija LUKS je prikazanih spodaj.
Razvoj vmesnika za biometrično prijavo v informacijske storitve z odprtokodnimi orodji
Kratek opis: Cilj tega projekta je bil razvoj biometrične aplikacije za prijavo v informacijske storitve z odprtokodnimi orodji kot sta OpenCV ali OpenBR. Učinkovitost razvite aplikacije je bila preverjena na 10 različnih zbirkah obrazov, robust na poravnavo vhodnih slik pa je bila preizkušena s pomočjo 3 različnh metod poravnave slik. Del diplomskega dela je bil objavljen v:
@inproceedings{ERK2016_Seba,
title = {Vpliv registracije obraznih podro\v{c}ij na u\v{c}inkovitost samodejnega razpoznavanja obrazov: \v{s}tudija z OpenBR},
author = {Sebastjan Fabijan and Vitomir \v{S}truc},
url = {http://luks.fe.uni-lj.si/nluks/wp-content/uploads/2016/09/erk_2016_08_22.pdf},
year = {2016},
date = {2016-09-20},
booktitle = {Proceedings of the Electrotechnical and Computer Science Conference (ERK)},
abstract = {Razpoznavanje obrazov je v zadnjih letih postalo eno najuspe\v{s}nej\v{s}ih podro\v{c}ij samodejne, ra\v{c}unalni\v{s}ko podprte analize slik, ki se lahko pohvali z razli\v{c}nimi primeri upor-abe v praksi. Enega klju\v{c}nih korakav za uspe\v{s}no razpoznavanje predstavlja poravnava obrazov na slikah. S poravnavo posku\v{s}amo zagotoviti neodvisnost razpozn-av-an-ja od sprememb zornih kotov pri zajemu slike, ki v slikovne podatke vna\v{s}ajo visoko stopnjo variabilnosti. V prispevku predstavimo tri postopke poravnavanja obrazov (iz literature) in prou\v{c}imo njihov vpliv na uspe\v{s}nost razpoznavanja s postopki, udejanjenimi v odprtokodnem programskem ogrodju Open Source Biometric Recognition (OpenBR). Vse poizkuse izvedemo na podatkovni zbirki Labeled Faces in the Wild (LFW).},
keywords = {},
pubstate = {published},
tppubtype = {inproceedings}
}
Razpoznavanje obrazov je v zadnjih letih postalo eno najuspešnejših področij samodejne, računalniško podprte analize slik, ki se lahko pohvali z različnimi primeri upor-abe v praksi. Enega ključnih korakav za uspešno razpoznavanje predstavlja poravnava obrazov na slikah. S poravnavo poskušamo zagotoviti neodvisnost razpozn-av-an-ja od sprememb zornih kotov pri zajemu slike, ki v slikovne podatke vnašajo visoko stopnjo variabilnosti. V prispevku predstavimo tri postopke poravnavanja obrazov (iz literature) in proučimo njihov vpliv na uspešnost razpoznavanja s postopki, udejanjenimi v odprtokodnem programskem ogrodju Open Source Biometric Recognition (OpenBR). Vse poizkuse izvedemo na podatkovni zbirki Labeled Faces in the Wild (LFW).
Učenje podobnosti v globokih nevronskih omrežjih za razpoznavanje obrazov
Predmet: Razpoznavanje vzorcev
Program: Magisterski program 2. bolonjske stopnje, Elektrotehnika
Avtor: Žiga Stržinar, mentor: Vitomir Štruc
Kratek opis: Cilj projekta je bil preizkusiti različne pristope za učenje podobnosti v sistmeih za razpoznavanje obrazov z globokimi nevronskimi omrežji. Preizkušeni so bili različni regresijski modeli (SVM, regresija z metodo najmanjših kvadratov, logistična regresija, naključni gozdovi, odločitve drevesa) in globoko omrežje z arhitekturo povzeto po omrežju AlexNet.
@inproceedings{ERK2016_sebastjan,
title = {U\v{c}enje podobnosti v globokih nevronskih omre\v{z}jih za razpoznavanje obrazov},
author = {\v{Z}iga Str\v{z}inar and Klemen Grm and Vitomir \v{S}truc},
url = {http://luks.fe.uni-lj.si/nluks/wp-content/uploads/2016/09/erk_ziga_Vziga.pdf},
year = {2016},
date = {2016-09-20},
booktitle = {Proceedings of the Electrotechnical and Computer Science Conference (ERK)},
address = {Portoro\v{z}, Slovenia},
abstract = {U\v{c}enje podobnosti med pari vhodnih slik predstavlja enega najpopularnej\v{s}ih pristopov k razpoznavanju na podro\v{c}ju globokega u\v{c}enja. Pri tem pristopu globoko nevronsko omre\v{z}je na vhodu sprejme par slik (obrazov) in na izhodu vrne mero podobnosti med vhodnima slikama, ki jo je mo\v{c} uporabiti za razpoznavanje. Izra\v{c}un podobnosti je pri tem lahko v celoti udejanjen z globokim omre\v{z}jem, lahko pa se omre\v{z}je uporabi zgolj za izra\v{c}un predstavitve vhodnega para slik, preslikava iz izra\v{c}unane predstavitve v mero podobnosti pa se izvede z drugim, potencialno primernej\v{s}im modelom. V tem prispevku preizkusimo 5 razli\v{c}nih modelov za izvedbo preslikave med izra\v{c}unano predstavitvijo in mero podobnosti, pri \v{c}emer za poizkuse uporabimo lastno nevronsko omre\v{z}je. Rezultati na\v{s}ih eksperimentov na problemu razpoznavanja obrazov ka\v{z}ejo na pomembnost izbire primernega modela, saj so razlike med uspe\v{s}nostjo razpoznavanje od modela do modela precej\v{s}nje.},
keywords = {},
pubstate = {published},
tppubtype = {inproceedings}
}
Učenje podobnosti med pari vhodnih slik predstavlja enega najpopularnejših pristopov k razpoznavanju na področju globokega učenja. Pri tem pristopu globoko nevronsko omrežje na vhodu sprejme par slik (obrazov) in na izhodu vrne mero podobnosti med vhodnima slikama, ki jo je moč uporabiti za razpoznavanje. Izračun podobnosti je pri tem lahko v celoti udejanjen z globokim omrežjem, lahko pa se omrežje uporabi zgolj za izračun predstavitve vhodnega para slik, preslikava iz izračunane predstavitve v mero podobnosti pa se izvede z drugim, potencialno primernejšim modelom. V tem prispevku preizkusimo 5 različnih modelov za izvedbo preslikave med izračunano predstavitvijo in mero podobnosti, pri čemer za poizkuse uporabimo lastno nevronsko omrežje. Rezultati naših eksperimentov na problemu razpoznavanja obrazov kažejo na pomembnost izbire primernega modela, saj so razlike med uspešnostjo razpoznavanje od modela do modela precejšnje.
Kratek opis: Cilj tega projekta je bil razviti sistem strojnega vida za kontrolo kakovosti zvarov. Kot del projekta je bil razvit celotni sistem skupaj s sestavom za osvetlevanje in zajem slike, strojnimi komponentami in programsko opremo.
Detekcija značilnih točk obraza s korelacijskimi filtri
Kratek opis:Cilj tega projekta (2011) je bil razviti nov postopek za detekcijo značilnih točk obraza z razširitvijo ASEF korelacijskih filtorv. Video prikazuje delovanje in robustnost razvite rešitve.
Prilagajanje velikosti pisave v spletnih brskalnikih na podlagi detekcije očal
Predmet: Komunikacija človek-stroj
Program: Pred-bolonjski program Elektrotehnike
Kratek opis: Cilj projekta je bil razviti razpoznavalnik, ki na prepozna ali uporabnik nosi očala ali ne ter na podlagi rezultata razpoznavanja prilagodi velikost pisave v brskalniku. Video prikazuje kako se prilagodi velikost pisave v brsklaniku, če razpoznavalnik zazna uporabnika z očali.
