A | B | C | D | E | F | G | H | I | J | K | L | M | N | O | P | Q | R | S | T | U | V | W | X | Y | Z | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1 | Indeks | Ime | Prezime | Ime tima (opciono) | Tema projekta | Detaljan opis projekta | Prihvaćen | Komentar | Termin odbrane 10.02.2017. | Termin odbrane 25.02.2017. | ||||||||||||||||
2 | 1 | sw10/2013 | Stefan | Kalnak | kalnak.stefan@gmail.com | Detekcija dijabetesne retinopatije | Problem koji se rešava: Detekcija dijabetesne retinopatije i određivanje stepena razvijenosti bolesti na osnovu slika mrežnjače. Koristiće se: konvolutivne neuronske mreže i regresija. Pretprocesiranje slike biće odrađeno koristeći scikit paket. Rešenja će biti upoređena u odnosu na različite arhitekture neuronske mreže i ostalih parametara, kao što su aktivacione funkcije. Podaci su preuzeti sa sajta www.kaggle.com/c/diabetic-retinopathy-detection | 1 | vessel enhancement in images | 14:00 | ||||||||||||||||
3 | sw18/2013 | Sebastijan | Stevanović | sebastijan94@yahoo.com | Pogledajte link za jedno resenje | |||||||||||||||||||||
4 | https://www.google.rs/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved=0ahUKEwjSkYmjjODQAhUJZCwKHZDkD8UQFggiMAA&url=http%3A%2F%2Fwww.springer.com%2Fcda%2Fcontent%2Fdocument%2Fcda_downloaddocument%2F9783319219622-c2.pdf%3FSGWID%3D0-0-45-1520493-p177579263&usg=AFQjCNE69Hufves8QgbVnicMxAHZJ_6n_w&sig2=mj5C2PFEIB9Cl63zmPH3ZA | |||||||||||||||||||||||||
5 | 2 | sw 15/2013 | Dragutin | Marjanović | dmarjanovic94@gmail.com | Baćutin | Bookscan | Problem koji se rješava: Prepoznavanje knjige skeniranjem njenog bar koda. Svaka od skeniranih knjiga se može i ocijeniti na osnovu čega će se vršiti i preporuka drugih knjiga. Svi podaci o knjigama se preuzimaju sa sajta Virtuelna biblioteka Srbije (http://www.vbs.rs). Pošto se podaci dobijaju u formatu slike, vršiće se i OCR nad navedenom slikom, kako bi se isparsirali dati podaci. Za preporuku će se koristiti algoritam kolaborativnog filtriranja (user-user). Klijentska aplikacija će biti implementirana u Android-u, a serverska će koristiti Spring framework. | 1 | Na koji nacin bi se proverila greska? Na koji nacin merimo performanse? | 14:30 | |||||||||||||||
6 | sw 9/2013 | Bojan | Blagojević | datiglavaradi@gmail.com | ||||||||||||||||||||||
7 | ||||||||||||||||||||||||||
8 | 3 | sw25/2013 | Mina | Medić | KMJ co. | Osmosmerka | Problem koji se rešava: Slikanje osmosmerke i rešavanje. Algoritmi koji će se koristiti: algoritam za predprocesiranje slike, algoritam za izdvajanje slova u osmosmerci, algoritam za prepoznavanje reči koje moraju da se pronađu u osmosmerci (ono sa strane), algoritam za rešavanje osmosmerke, algoritam koji prikazuje rešenje. Podaci koji se koriste: podatke ćemo skupiti manuelno, koristiće se fotografije koje sami napravimo, potrebna je prethodna obrada fotografije. | 1 | Ovo deluje ok | 15:00 | ||||||||||||||||
9 | sw31/2013 | Katarina | Preradov | |||||||||||||||||||||||
10 | sw33/2013 | Jovana | Mićić | |||||||||||||||||||||||
11 | 4 | sw5/2013 | Jasna | Stanković | jasnaa994@gmail.com | Image stitching | Problem koji se rešava: spajanje više slika u jednu celinu ( slično kao panorama). Rešenje će biti bazirano na korišćenju SIFT algoritma za izdvajanje ključnih elemenata slika, RANSAC algoritma za pronalaženje odgovarajućih elemenata na slikama, probabilističke metode za proveru tačnosti poklapanja i blend-ovanja dobijene slike. Tačnost rešenja će biti upoređena i diskutovana sa već postojećim rešenjima ovog problema. | 1 | Ovo deluje ok | 12:00 | ||||||||||||||||
12 | sw21/2013 | Nikola | Lukić | luknik94@gmail.com | ||||||||||||||||||||||
13 | ||||||||||||||||||||||||||
14 | 5 | sw2/2013 | Arsenije | Vladisavljev | arsenije.vladisavljev@gmail.com | Andada si | Identifikacija kitova | Problem koji se rešava je identifikacija kitova koji se nalaze u severnom delu Atlantskog okeana. Potrebno je izvršiti detekciju i identifikaciju kitova. Što se tiče metoda pokušaćemo sa HOG i SVM i sa konvolutivnim neuronskim mrežama. Ove dve metode(HOG + SVM i konv. neu. mreže) će biti međusobno upoređene. Takođe ćemo naša rešenja uporediti i sa rešenjima sa takmičenja. Podaci koji se koriste su dostupni online: https://www.kaggle.com/c/noaa-right-whale-recognition. U datasetu postoji skoro 12000 slika približno 500 različitih kitova. Train dataset sadrži negde oko 4500 slika, dok će ostale biti korišćene za testiranje algoritama. | 1 | Odlicne ispravke | 16:30 | |||||||||||||||
15 | sw12/2013 | Milorad | Vojnović | milekuglas@gmail.com | ||||||||||||||||||||||
16 | ||||||||||||||||||||||||||
17 | 6 | sw36/2013 | Dušan | Borovčanin | borovcanindusan1@gmail.com | Detekcija lica i emocije na videu | Problem koji se rešava: Detekcija lica i određivanje emocije prisutne na licu. Detekcija će se vršiti na videu u real-time-u, tokom samog snimanja lica. Za detekciju lica će se koristiti Haar kaskadna klasifikacija (Viola-Jones). Za detekciju emocije će se koristiti konvolutivna neuronska mreža koja će se trenirati i testirati setom obeleženih podataka prisutnih na sledećem sajtu: https://www.kaggle.com/c/challenges-in-representation-learning-facial-expression-recognition-challenge/data. Kako se detekcija radi u real-time-u, detekcija će se vršiti na svakom n-tom frame-u, sa tim da će vrednost n zavisiti od performansi algoritama za detekciju. | 1 | Deluje ok | 15:30 | ||||||||||||||||
18 | sw4/2013 | Aleksandar | Novaković | anovakovic01@gmail.com | ||||||||||||||||||||||
19 | ||||||||||||||||||||||||||
20 | 7 | sw3/2013 | Stefan | Ristanović | st.keky@gmail.com | Kebra | Brick Breaker AR | 1. Problem koji se rešava je detekcija kretnje objekta na kameri i tu kretnju koristiti za upravljanje podloge u "Brick Breaker" igrici. 2. Algoritam koji će se koristiti za motion detection je Bajesov Motion Detection Algoritam. 3. Metrike koje će se koristiti za izračunavanje performansi su: brzina detektovanja, tačnost detektovanja i utrošenost memorijskog prostora. 4. Problem nema test podatke, pošto je plan da se realizuje kao igrica biće implementirano uz pomoć pygame biblioteke i openCV. | 1 | Deluje ok | 16:00 | |||||||||||||||
21 | sw8/2013 | Stefan | Bratić | cobrijani@gmail.com | ||||||||||||||||||||||
22 | ||||||||||||||||||||||||||
23 | 8 | sw20/2013 | Aleksa | Zrnic | fistulator@gmail.com | Predikcija objekta političkih mema | Problem koji se rešava: Pomoću teksta u memi preopoznajemo kog se kandidata u američkim izborima 2016. godine ta mema tiče i šta autor misli o njima. Podaci koji se koriste su dostupni ovde https://www.kaggle.com/SIZZLE/2016electionmemes . Koristiće se više algoritama i porediti efikasnost. | 1 | Deluje ok posle razgovora na casu. | 12:30 | ||||||||||||||||
24 | Latent Dirichlet Allocation | |||||||||||||||||||||||||
25 | Latent Semantic Analysis | |||||||||||||||||||||||||
26 | 9 | sl1/2013 | Mladen | Vidović | Neurode | Prepoznavanje saobraćajnih znakova | 1. Problem koji se rešava: Detekcija i klasifikacija saobraćajnih znakova. 2. Algoritmi koji se koriste: Konvolucijska neuronska mreža za klasifikaciju znakova, algoritmi za prepoznavanje oblika, algoritmi za segmentaciju slike. 3. Metrika za poređenje performansi: Classification Accuracy, tačnost pronalaženja oblika, vreme izvršavanja i memorijska zahtevnost. 4. Podaci koji se koriste: Dostupni su online na adresi http://benchmark.ini.rub.de/?section=gtsdb&subsection=dataset . Slike iz dataseta se skaliraju po potrebi. | 1 | Ovo zvuci dobro! | |||||||||||||||||
27 | sl16/2013 | David | Dražić | |||||||||||||||||||||||
28 | ||||||||||||||||||||||||||
29 | 10 | sw19/2013 | Ivan | Mihajlov | mihajlov.ivan94@gmail.com | ITD | Prepoznavanje marke i modela automobila | 1. Problem koji se rešava: prepoznavanje marke i modela automobila na slici 2. Algoritmi koji se koriste: konvolutivna neuronska mreža za klasifikaciju automobila i algoritam skaliranja i transformacije slika 3. Metrika za poređenje performansi: validacioni dataset na osnovu kojeg će se određivati tačnost algoritma 4. Podaci koji se koriste: training images, testing images i devkit dostupni na http://ai.stanford.edu/~jkrause/cars/car_dataset.html | 1 | Ovo zvuci dobro! | 13:00 | |||||||||||||||
30 | sw27/2013 | Tamara | Varađanin | tamaravaradjanin94@gmail.com | ||||||||||||||||||||||
31 | sw11/2013 | Damjan | Bećirović | damjan.becirovic@gmail.com | ||||||||||||||||||||||
32 | 11 | sl21/2013 | Marko | Purić | markobanja@gmail.com | Godfather | Prepoznavanje i prebrojavanje automobila na video snimku | Problem koji se rešava: prepoznavanje i prebrojavanje automobila na video snimku. Koristiće se algoritmi za praćenje kretnje automobila, za prebrojavanje i za prepoznavanje automobila na video snimku. Podaci dolaze u sklopu projekta odnosno učitavaju se sa diska. | 1 | Deluje ok | ||||||||||||||||
33 | sl31/2013 | Branislav | Lukić | branislavlukicmail@gmail.com | Najverovatnije cemo koristiti C++ i OpenCV biblioteku. | |||||||||||||||||||||
34 | Sto se tice podataka koristi se video snimak saobracaja koji se nalazi na racunaru koji ce doci u okviru projekta. Sto se tice algoritama, koristicemo najverovatnije blob algoritam za detekciju, algoritam za prepoznavanje oblika i algoritam za prebrojavanje prepoznatih oblika. | |||||||||||||||||||||||||
35 | 12 | sl25/2013 | Jovan | Popović | jovanpop92@gmail.com | tim 12 | Prepoznavanje slova | Problem koji rešavamo jeste prepoznavanje slova sa slike. Na slikama će biti ručno napisan tekst štampanim slovima. Podaci koji se koriste biće sakupljeni manuelno i biće prosleđeni uz projekat. Koristiće se algoritmi za obradu slike, algoritam za izdvajanje slova. Koristiće se python openCV. Tačnost programa se proverava kao odnos broja prepoznatih slova i ukupnog broja slova na slici. | 1 | |||||||||||||||||
36 | sl03/2013 | Ivana | Tešanović | ivanatesanovic95@gmail.com | ||||||||||||||||||||||
37 | sl09/2013 | Dejan | Jovanović | dejan.jovanovic94@gmail.com | ||||||||||||||||||||||
38 | 13 | sl17/2013 | Ivan | Radosavljević | Detekcija nepravilnosti na mamografskim snimcima | Problem koji se rešava jeste pronalaženje mikrokalcifikacija i asimetričnosti na mamografskim snimcima kao i klasifikacija ovih anomalija. Algoritmi: algoritmi za segmentaciju, algoritmi za detekciju ivica, algoritmi za klasifikaciju, algoritmi za grupisanje (klasterizaciju). Performanse će biti izražene preko brzine izvršavanja, tačnosti klasifikacije (odnosno koliko je bilo false positive i false negative rezultata) i memorijske zahtevnosti. Za svaku grupu algoritama će se upotrebiti bar dve implementacije kako bi se izvršilo upoređivanje njihovih performansi i izbor najpogodnije implementacije. Podaci su dobavljeni iz lokalnog doma zdravlja i nisu javno dostupni. Prethodna obrada podataka podrazumeva primenu VOI lookup tabela nad podacima. | 1 | Deluje ok | ||||||||||||||||||
39 | sl19/2013 | Aleksandra | Mitrović | |||||||||||||||||||||||
40 | ||||||||||||||||||||||||||
41 | 14 | sw61/2015 | Stefan | Plazić | stefan.plazic@gmail.com | PLAZA | Manipulation of Augmented Reality Objects Using Fingertip Tracking | 1. Problem koji se resava: Moguca rotacija 3D objekata koriscenje šake i položaja prstiju , 2. Algoritmi koji se koriste: Adaptive Hand Segmentation , Accurate Fingertip Detection, Fingertip Tracking 3. Metrika za poredjenje performansi: Porediće se efikasnost manipulacije objekta. 4. Podaci koji se koriste: Ručno generisani podaci | 1 | Deluje ok | 13:30 | |||||||||||||||
42 | ||||||||||||||||||||||||||
43 | ||||||||||||||||||||||||||
44 | 15 | sw29/2013 | Božo | Bjeković | bozobjekovic@gmail.com | Detekcija i iscrtavanje krvnih sudova na osnovu mrežnjače oka | Problem koji se rešava: Segmentacija krvnih sudova. Pronalazak krvnih sudova na slici mrežnjače oka i njihovo iscrtavanje. Biće korišćeni razni filteri za rešavanje problema od kojih je najznačajnij morfološki filter. Prilikom implementacije projekta oslanjaćemo se na sledeće: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.60.8996&rep=rep1&type=pdf. Fotografije su unapred pripremljene, slikane medicinskim aparatom. Performanse će biti poređene pomoću IoU (intersection over union, tj. Jaccard index) . | 1 | Deluje ok | 16:30 | ||||||||||||||||
45 | sw32/2013 | Ana | Marojević | ana94ns@hotmail.com | Dobra referenca | |||||||||||||||||||||
46 | sw65/2014 | Maja | Miljić | majamiljic2@gmail.com | ||||||||||||||||||||||
47 | 16 | sw93/2016 | Novica | Nikolić | nole0223@gmail.com | Detekcija i | 1. Detekcija lica na slici pomocu python openCV | 2. Prilikom detekcije lica oznaciti ime osobe na slici na taj nacin uciti neuronsku mrezu | 1 | Deluje ok | 14:00 | ||||||||||||||||
48 | prepoznavanje | o osobi na slici. | 3. Posle odredjenog broja slika neuronska mreza bi trebala sama da prepozna osobu na slici. | ||||||||||||||||||||||||
49 | licana na datoj slici | |||||||||||||||||||||||||
50 | 17 | sw35/2013 | Luka | Klacar | l.klacar@vegaitsourcing.rs | Android aplikacija za prepoznavanje cifara napisanih rukom | Koristice se OpenCV biblioteka za detekciju cifara napisanih rukom. Input ce biti preko kamere telefona. Algoritam klasifikacije ce biti Linear Support Vector Classification. | 1 | Deluje ok | 14:30 | ||||||||||||||||
51 | sw41/2013 | Miljana | Vinokic | vinokicmiljana@gmail.com | ||||||||||||||||||||||
52 | sw17/2013 | Ivana | Savin | ivana.unitedforce@gmail.com | ||||||||||||||||||||||
53 | 18 | sw1/2013 | Milos | Obradovic | milossm94@hotmail.com | Klasifikacija instagram slika | Klasifikacija instagram slika na kategorije kao sto su selfie, auto, priroda, urban.. tako da korisnik na osnovu unesene slike dobije odgovarajuce hashtag-ove koji opisuju sliku. Koristice se algoritam za segmentaciju slika, konvolutivne neuronske mreze za prepoznavanje objekata tj. oblika na slici. Metrika za poredjenje performansi: validacioni dataset na osnovu kojeg ce se odredjivati tacnost algoritma tj. tacnost pronalazenja oblika na slici i classification accuracy. Za prikupljanje dataset podataka ce se kreirati image scraper za instagram, preko kojeg ce se skupljati odgovarajuce slike za dataset. | 1 | Deluje ok | 15:00 | ||||||||||||||||
54 | sw38/2013 | Milos | Andric | milosa942@gmail.com | ||||||||||||||||||||||
55 | sw43/2013 | Mladen | Doslic | doslicmm@live.com | ||||||||||||||||||||||
56 | 19 | sw39/2013 | Kristina | Grujic | kristina@kolosek.com | Prepoznavanje teksta sa | Problem : Prepoznavanje teksta pisanog Brajevom azbukom sa slike i prevodjenje na alfabet. Potrebno je preprocesiranje podataka, | 1 | Deluje ok | 17:00 | ||||||||||||||||
57 | slike pisanog Brajevom | koji ce biti skupljeni manuelno. Koristice se viseslojni perceptron (bice implementirana propagacija unapred i unazad, radi poredjenja), | ||||||||||||||||||||||||
58 | azbukom | i vogl acceleration algoritam, kao i razliciti algoritmi obrade slika pri preprocesiranju. Poredjenje performanski algoritama ce biti vrseno na | ||||||||||||||||||||||||
59 | osnovu tacnosti prepoznavanja, preciznosti, i dodatih/ignorisanih tacaka. Projekat ce biti izradjen u Scala programskom jeziku. | |||||||||||||||||||||||||
60 | 20 | sw22/2013 | Kristina | Pomorisac | kristipomo@gmail.com | Detekcija i prepoznavanje | Problem koji se resava: Detekcija i prepoznavanje slova sa slike. Slova mogu biti razlicitog fonta, boje i velicina.Podaci ce biti sakupljeni | 1 | Deluje ok | 17:30 | ||||||||||||||||
61 | slova na slici | manualno. Koristice se algoritmi za prepoznavanje i detekcije teksta u slici. Poredjenje performansi algoritama ce biti vrseno na osnovu | ||||||||||||||||||||||||
62 | tacnosti prepoznavanja slova. | |||||||||||||||||||||||||
63 | 21 | sw61/2014 | Mladen | Stajčić | diskozub@hotmail.com | Tim 7 | Facial Recognition | Problem: Prepoznavanje lica osoba na slikama. Vrsice se prepoznavanje lica na slici HOG algoritmom, centriranje i transformacija slike ako | 1 | Deluje ok | 18:00 | |||||||||||||||
64 | sw62/2014 | Miodrag | Vilotijević | miodragvilotijevic@gmail.com | Prepoznavanje lica | osoba ne gleda direktno u kameru - face landmark detection, izdvajanje krakteristicnih dimenzija lica koriscenjem neuronske mreze i | ||||||||||||||||||||
65 | sw63/2014 | Nemanja | Žunić | n.zunic@yahoo.com | osoba na slici | klasifikacija podataka koriscenjem KNN. Poredjenje performansi na osnovu tacnosti prepoznavanja. | ||||||||||||||||||||
66 | Podaci skinuti sa sajta: www.openu.ac.il/home/hassner/Audience.data.html Koristice se dlib biblioteka, FaceNet, Python... | |||||||||||||||||||||||||
67 | 22 | 1 | Deluje ok | |||||||||||||||||||||||
68 | sl23/2013 | Igor | Samurović | igorsamurovic@hotmail.com | Genre Detection | Problem: Detekcija žanra određene pesme | ||||||||||||||||||||
69 | (Detekcija žanra) | Algoritam: Neuralne mreže | ||||||||||||||||||||||||
70 | Mera uspeha: Poređenje dobijenog žanra sa poznatim (mi ćemo uvek znati žanr pesme koju procesiramo, i cilj je da nam algoritam | |||||||||||||||||||||||||
71 | sa što većom stopom tačnosti to potvrdi) | |||||||||||||||||||||||||
72 | Podaci: Data set se dobija iz ~1000 pesama raznih žanrova, koje će biti procesirane fourierovom transformacijom kako bismo dobili | |||||||||||||||||||||||||
73 | željene podatke vezane za BPM (beats per minute), Frequency Response, i šta god drugo bude bilo potrebno da bi se podigla tačnost algoritma | |||||||||||||||||||||||||
74 | Svrha: Ukoliko algoritam sa velikom stopom tačnosti potvrđuje žanr koji je nama unapred bio poznat, algoritam se može koristiti za | |||||||||||||||||||||||||
75 | automatsko klasifikovanje pesama po žanrovima ukoliko pesme nisu unapred obeležene. | |||||||||||||||||||||||||
76 | 23 | sw37/2013 | Katarina | Cerović | katarina.cerovic20@gmail.com | Prepoznavanje registarskih oznaka | Problem koji se rešava: prepoznavanje registarskih oznaka automobila sa slike. Za prepoznavanje će se koristiti OpenCV biblioteka. Performanse će biti poređene na osnovu rezolucije slike, a tačnost na osnovu test skupa. Podaci će biti dostavljeni zajedno sa projektom gde će korisnik imati mogućnost da korsiti i svoje podakte. | 1 | Deluje ok | 18:30 | ||||||||||||||||
77 | sw45/2013 | Nikola | Korica | nikolakorica@outlook.com | ||||||||||||||||||||||
78 | sw64/2013 | Dunja | Krga | dunja.krga@gmail.com | ||||||||||||||||||||||
79 | 24 | sw13/2013 | Aleksandar | Rakić | aleksandarrkc1@gmail.com | Detekcija ivica puteva | Problem: prepoznati puteve i njihove ivice sa slike. Koristiće se OpenCV biblioteka. Putevi mogu biti zakrivljeni ili ravni. Od algoritama će se | 1 | Deluje ok | |||||||||||||||||
80 | koristiti Canny Edge detector ili njemu slični algoritmi. Podaci će se manuelno skupljati. | |||||||||||||||||||||||||
81 | ||||||||||||||||||||||||||
82 | 25 | sw59/2013 | Никола | Дакић | препознавање играча видео снимку утакмице, анализа њиховог кретања и израчунавање просечне позиције сваког играча. користиће се неуронске мреже, ... | 1 | Deluje ok | 19:00 | ||||||||||||||||||
83 | sw7/2013 | ђорђе | Марјановић | |||||||||||||||||||||||
84 | 26 | sw26/2013 | Predrag | Kaljevic | Prepoznavanje saobracajnih znakova | HOG + SVM. Projekat za 6 | 1 | 19:30 | ||||||||||||||||||
85 | sw51/2013 | Nemanja | Milosavljevic | |||||||||||||||||||||||
86 | sw53/2013 | Predrag | Falcic | |||||||||||||||||||||||
87 | ||||||||||||||||||||||||||
88 | ||||||||||||||||||||||||||
89 | ||||||||||||||||||||||||||
90 | ||||||||||||||||||||||||||
91 | ||||||||||||||||||||||||||
92 | ||||||||||||||||||||||||||
93 | ||||||||||||||||||||||||||
94 | ||||||||||||||||||||||||||
95 | ||||||||||||||||||||||||||
96 | ||||||||||||||||||||||||||
97 | ||||||||||||||||||||||||||
98 | ||||||||||||||||||||||||||
99 | ||||||||||||||||||||||||||
100 |