prikaz prve stranice dokumenta PRIMJENA DUBOKOG UČENJA ZA DETEKCIJU STUPNJA SLIČNOSTI INDIVIDUALNOG UMJETNIČKOG STILA
  Preuzmi
PDF 4.35 MB
specijalistički diplomski stručni
PRIMJENA DUBOKOG UČENJA ZA DETEKCIJU STUPNJA SLIČNOSTI INDIVIDUALNOG UMJETNIČKOG STILA
2023. urn:nbn:hr:225:152296
Manhart, Katarina
Visoko učilište Algebra

Citirajte ovaj rad

Manhart, K. (2023). PRIMJENA DUBOKOG UČENJA ZA DETEKCIJU STUPNJA SLIČNOSTI INDIVIDUALNOG UMJETNIČKOG STILA (Specijalistički diplomski stručni). Zagreb: Visoko učilište Algebra. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:225:152296

Manhart, Katarina. "PRIMJENA DUBOKOG UČENJA ZA DETEKCIJU STUPNJA SLIČNOSTI INDIVIDUALNOG UMJETNIČKOG STILA." Specijalistički diplomski stručni, Visoko učilište Algebra, 2023. https://urn.nsk.hr/urn:nbn:hr:225:152296

Manhart, Katarina. "PRIMJENA DUBOKOG UČENJA ZA DETEKCIJU STUPNJA SLIČNOSTI INDIVIDUALNOG UMJETNIČKOG STILA." Specijalistički diplomski stručni, Visoko učilište Algebra, 2023. https://urn.nsk.hr/urn:nbn:hr:225:152296

Manhart, K. (2023). 'PRIMJENA DUBOKOG UČENJA ZA DETEKCIJU STUPNJA SLIČNOSTI INDIVIDUALNOG UMJETNIČKOG STILA', Specijalistički diplomski stručni, Visoko učilište Algebra, citirano: 07.12.2024., https://urn.nsk.hr/urn:nbn:hr:225:152296

Manhart K. PRIMJENA DUBOKOG UČENJA ZA DETEKCIJU STUPNJA SLIČNOSTI INDIVIDUALNOG UMJETNIČKOG STILA [Specijalistički diplomski stručni]. Zagreb: Visoko učilište Algebra; 2023 [pristupljeno 07.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:225:152296

K. Manhart, "PRIMJENA DUBOKOG UČENJA ZA DETEKCIJU STUPNJA SLIČNOSTI INDIVIDUALNOG UMJETNIČKOG STILA", Specijalistički diplomski stručni, Visoko učilište Algebra, Zagreb, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:225:152296

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:225:152296
Podaci o radu
NaslovPRIMJENA DUBOKOG UČENJA ZA DETEKCIJU STUPNJA SLIČNOSTI INDIVIDUALNOG UMJETNIČKOG STILA
AutorKatarina Manhart
MentorLeo Mršić (mentor)
Ustanova koja je dodijelila
akademski / stručni stupanj		Visoko učilište Algebra
Zagreb
Datum i država obrane2023-04-04, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Ovaj rad istražuje u kojoj mjeri algoritam za duboko učenje može prepoznati karakteristike i stupanj sličnosti individualnog umjetničkog stila. Teorijski dio rada opisuje najvažnije istraživačke smjerove u području računalnih znanosti koji mogu doprinijeti umjetničkoj zajednici. Objašnjava se koncept konvolucijskih neuronskih mreža koje su posebno prilagođene za procesiranje slika. Zatim su izdvojene one značajke mreža koje na temelju prethodnih istraživanja pokazuju najveći potencijal za povećanje točnosti prilikom kreiranja modela za prepoznavanje stupnja sličnosti individualnog umjetničkog stila. Praktični dio rada prikazuje korištenje transfernog učenja, pri čemu se prilagođavaju tri moderne arhitekture za duboko učenje: ResNet50, ResNeXt50_32x4d i densenet121. Iako analiza ne pokazuje velike razlike u primjeni modela, prema metrici točnosti najbolje rezultate pokazuje ResNet50. Iz tog je razloga uvršten u prototip web rješenja za procjenu stupnja sličnosti individualnog umjetničkog stila. Prototip donosi ideju za novi alat koji mjeri stupanj sličnosti ili utjecaj autora u području umjetnosti.
Sažetak (engleski)
This paper investigates the extent to which a deep learning algorithm can recognize features and compare the degree of similarity of individual artistic styles. The theoretical part of the paper describes new trends in the field of computer science that can contribute to the artistic community. The paper explains the concept of convolutional neural networks, which are specially adapted for image processing. It lists features that had the greatest impact on the results of research in domains of author classification and recognition of individual artistic style. Practical part of the paper shows the usage of transfer learning while adapting three modern architectures for deep learning: ResNet50, ResNeXt50_32x4d I densenet121. Although the comparison does not show major differences in the models, ResNet50 shows the best results, at least according to the accuracy metric. For this reason, it was included in the web application for the assessment of the individual artistic style. This prototype can inspire ideas for a new tool for assessing the influence of individual artistic styles and authors in the field of art.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:225:152296
Studijski programNaziv: Primijenjeno računarstvo; smjerovi: Sistemsko inženjerstvo, Programsko inženjerstvo, Podatkovna znanost, Razvoj računalnih igara
Smjer: Podatkovna znanost
Vrsta studija: stručni
Stupanj studija: specijalistički diplomski
Akademski / stručni naziv: stručni/a specijalist/specijalistica inženjer računarstva (struč.spec.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2023-05-08 07:51:58