Students interested in working on various research projects, developing and implementing new procedures and trying out new ideas related to any area of speech technologies, computer vision and pattern recogntiion are welcome to contact any of the members of our staff.
A few sample projects implemented as part of course-duties, master or PhD studies and conducted under the supervision of LUKS lab members are presented below.
Development of a biometric login application using open source tools
Short Description: The goal of this project was to develop a biometric login application (service) using open source tools, such OpenCV or OpenBR. The performance of the application was later assessed on 10 different face databases and its robustness to facial alignment was studied using various image alignment techniques. Part of the bachelor thesis was published in:
@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).
Short Description: The goal of the project was to evaluate different procedures for similarity learning with deep face recognition models. Several regression technqiues were tested for this purposes (SVM, Least squares regression, Logistic regression, random forest regression. decision trees) with a AlexNet-like neural network.
@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.
Short Description: The goal of this project was to develop a machine vision system for weld control. In the scope of the project the entire system was developed including lighting and camera setups, hardware and software components and so on.
Facial landmark localiziation using correlation filters
Short Description: The goal of this project (2011) was to develop a facial landmarking procedure based on an extension of the ASEF correlation filters. The video demonstrates the results and shows the robustness of the developed approach.
Detection of glasses for browser font-size adjustment
Course: Human-Machine Interaction
Program: Prebologna University program of Electrical Engineering
Short description: The goal of this project was to detect whether the user is wearing glasses or not and based on the detection result take some action. The video shows how the font-size used within a browser is adjusted, when a user with glasses is detected.
