Název:
Analýza konvolučních neuronových sítí pro detekci a klasifikaci poškození otisku prstu
Překlad názvu:
Analysis of Convolutional Neural Networks for Detection and Classification of Damages in Fingerprint Images
Autoři:
Fořtová, Kateřina ; Tinka, Jan (oponent) ; Kanich, Ondřej (vedoucí práce) Typ dokumentu: Diplomové práce
Rok:
2022
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [cze][eng]
Cílem této diplomové práce je analyzovat přístupy detekce a klasifikace s využitím konvolučních neuronových sítí na problému poškození otisků prstů. První část práce se zabývá studiem literatury týkající se biometrie a zpracování otisků prstů s důrazem na možná onemocnění, které mohou oblast prstu postihnout. Následně se práce zaměřuje na rozpoznávání s využitím neuronových sítí. Diplomová práce popisuje architektury konvolučních neuronových sítí a modelů pro detekci objektů až po nejnovější přístupy. Je navrhnuto několik metod pro detekci a klasifikaci onemocnění otisků prstů využívající moderní architektury, rozličné typy páteřních sítí a metod pro detekci. Pro experimenty je zvoleno osm modelů založených na čtyřech různých přístupech pro detekci a klasifikaci. Následně je každý model několikrát natrénován s využitím úprav konfiguračních parametrů. Modely jsou na základě různých metrik posouzeny a porovnány z hlediska využití páteřní sítě i zvolené metody pro detekci. Při testu správně detekované a klasifikované plochy na reálných otiscích bylo dosaženo nejlepšího výsledku 76,875 %. Nejvíce problematickým onemocněním pro detekci a klasifikaci byl atopický ekzém, jehož příznaky se mohou projevovat mnoha způsoby.
The aim of this Master's thesis is to analyze detection and classification approaches using convolutional neural networks on the problem of fingerprint damage. The first part of the thesis deals with the study of literature related to biometrics and fingerprint processing with emphasis on possible diseases that may affect the fingertip area. Subsequently, the thesis focuses on neural network-based recognition. The thesis describes the architectures of convolutional neural networks and object detection approaches up to the latest research. Several detection methods for detection and classification of skin diseases affecting fingertip are proposed using modern architectures, different types of backbone networks and detection methods. Eight models based on four different detection and classification approaches are chosen for the experiments. Subsequently, each model is trained several times using configuration parameter adjustments. The models are assessed on the basis of various metrics and compared in terms of the use of the backbone network and the chosen method for detection. The best result of 76.875 % was achieved in the test of correctly detected and classified area on real fingerprint images. The most problematic disease for detection and classification was atopic eczema, whose symptoms can manifest in many ways.
Klíčová slova:
detekce; klasifikace; konvoluční neuronové sítě; onemocnění kůže; otisky prstů; classification; convolutional neural networks; detection; fingerprints; skin diseases
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/207860