SC SIIT 2016 - prijava projekta

	A	B	C	D	E	F	G	H	I	J	K	L
1		Indeks	Ime	Prezime	Email	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	25	sw7/2013	ђорђе	Марјановић					1			19:00
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