Analýza konvolučních neuronových sítí pro detekci a klasifikaci poškození otisku prstu
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
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.
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.
Description
Citation
FOŘTOVÁ, K. Analýza konvolučních neuronových sítí pro detekci a klasifikaci poškození otisku prstu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2022.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Bioinformatika a biocomputing
Comittee
prof. Ing. Lukáš Sekanina, Ph.D. (předseda)
doc. Ing. Zdeněk Vašíček, Ph.D. (místopředseda)
Ing. Michal Bidlo, Ph.D. (člen)
Ing. Ivana Burgetová, Ph.D. (člen)
Ing. Ondřej Lengál, Ph.D. (člen)
doc. Ing. Radomil Matoušek, Ph.D. (člen)
Date of acceptance
2022-06-21
Defence
Studentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm B. Otázky u obhajoby: Můžete ve zkratce popsat, jaký je rozdíl mezi architekturou a modelem z pohledu umělých neuronových sítí? Přišlo vám na výsledcích vašich experimentů něco překvapivého?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení