Klasifikacija osoba prema rasi na temelju slike lica

diplomski rad

• Naslov (engleski): Classification of people by race using face images
• Autor: David Belcar
• Mentor: Petra Grd (mentor); MBZ: 318742
• Član povjerenstva: Miroslav Bača (član povjerenstva); MBZ: 235084
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet organizacije i informatike; (Katedra za informatičke tehnologije i računarstvo); Varaždin
• Datum i država obrane: 2021-06-07, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: DRUŠTVENE ZNANOSTI; Informacijske i komunikacijske znanosti; Organizacija i informatika

Sažetak

Tema ovog rada je klasifikacija osoba prema rasi na temelju slike lica. Za ostvarivanje klasifikacije ovaj rad se fokusira na karakteristične točke lica na temelju pretpostavke o postojanju dovoljno razlika u karakterističnim točkama različitih rasa za njihovo raspoznavanje. Neuronske mreže su odabrane za njihovu obradu te za pogonjene aplikacije za klasifikaciju zbog svoje značajne zastupljenosti u literaturi kao najbolja opcija za obradu takvih problema. Kao skupovi za treniranje neuronskih mreža korišteni su UTKFace i FairFace skupovi slika lica. Ti skupovi su odabrani zbog balansirane reprezentacije slika lica rasa koje sadržavaju. Karakteristične točke lica su prvotno obrađene umjetnim neuronskim mrežama (ANN) gdje su uspješno klasificirale do 70% slika skupova za treniranje. Analizom treniranih neuronskih mreža istražile su se najznačajnije karakteristične točke odnosno područja lica za raspoznavanje rase. Rezultati analize su pokazali kako su najznačajnije karakteristične točke širina oka, udaljenost između obrva te udaljenost između unutarnjih kutova očiju. Kako bi se poboljšala sposobnost raspoznavanja u aplikaciji istreniran je novi set dubokih neuronskih mreža (CNN). Kod treniranja CNN mreža fokus je postavljen na područje lica koje sadrži najznačajnije karakteristične točke, a za dodatnu pomoć treniranju CNN mreža na slikama lica su iscrtane karakteristične točke. CNN mreže su uspješno klasificirale do 90% slika skupova za treniranje, a na novo kreiranom testnom skupu podataka su postigle prosječnu točnost od 75%. U konačnici se korištenje karakterističnih točaka pokazalo kao način za povećanje točnosti i robusnosti treniranih mreža, a od skupova za treniranje Fair Face se pokazao kao bolji izbor – primarno zbog bolje balansirane količine slika sadržanih rasa.

• Ključne riječi: biometrija; klasifikacija; lice; rasa
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:211:896051
• Studijski program: Naziv: Informacijsko i programsko inženjerstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra informatike (mag.inf.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Pristup svim korisnicima iz sustava znanosti i visokog obrazovanja RH
• Datum i vrijeme pohrane: 2021-06-14 04:00:30