prikaz prve stranice dokumenta Prepoznavanje osoba temeljem šarenice oka primjenom dubokog učenja
  Download
PDF 2.17 MB
undergraduate thesis
Prepoznavanje osoba temeljem šarenice oka primjenom dubokog učenja
2023. urn:nbn:hr:190:832965
Mikec, Ivan
University of Rijeka
Faculty of Engineering

Cite this document

Mikec, I. (2023). Prepoznavanje osoba temeljem šarenice oka primjenom dubokog učenja (Undergraduate thesis). Rijeka: University of Rijeka, Faculty of Engineering. Retrieved from https://urn.nsk.hr/urn:nbn:hr:190:832965

Mikec, Ivan. "Prepoznavanje osoba temeljem šarenice oka primjenom dubokog učenja." Undergraduate thesis, University of Rijeka, Faculty of Engineering, 2023. https://urn.nsk.hr/urn:nbn:hr:190:832965

Mikec, Ivan. "Prepoznavanje osoba temeljem šarenice oka primjenom dubokog učenja." Undergraduate thesis, University of Rijeka, Faculty of Engineering, 2023. https://urn.nsk.hr/urn:nbn:hr:190:832965

Mikec, I. (2023). 'Prepoznavanje osoba temeljem šarenice oka primjenom dubokog učenja', Undergraduate thesis, University of Rijeka, Faculty of Engineering, accessed 23 April 2025, https://urn.nsk.hr/urn:nbn:hr:190:832965

Mikec I. Prepoznavanje osoba temeljem šarenice oka primjenom dubokog učenja [Undergraduate thesis]. Rijeka: University of Rijeka, Faculty of Engineering; 2023 [cited 2025 April 23] Available at: https://urn.nsk.hr/urn:nbn:hr:190:832965

I. Mikec, "Prepoznavanje osoba temeljem šarenice oka primjenom dubokog učenja", Undergraduate thesis, University of Rijeka, Faculty of Engineering, Rijeka, 2023. Available at: https://urn.nsk.hr/urn:nbn:hr:190:832965

Please login to the repository to save this object to your list.
Metadata
TitlePrepoznavanje osoba temeljem šarenice oka primjenom dubokog učenja
Title (english)Iris recognition using deep learning
AuthorIvan Mikec
MentorKristijan Lenac (mentor)
MentorDiego Sušanj (mentor)
Committee memberMiroslav Joler (predsjednik povjerenstva)
Committee memberKristijan Lenac (član povjerenstva)
Committee memberDiego Sušanj (član povjerenstva)
GranterUniversity of Rijeka
Faculty of Engineering
Rijeka
Defense date and country2023-07-12, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Artificial Intelligence
Abstract
Biometrijska je identifikacija postala ključna pretpostavka sigurnosti poslovnih sustava te njihove materijalne, financijske i informacijske imovine. Rješenja za provjeru autentičnosti temeljena na biometriji privukla su značajnu pozornost u domeni informacijske i poslovne sigurnosti. Među brojnim biometrijskim modalitetima prepoznavanje šarenice postalo je jedna od najpreciznijih i najpouzdanijih metoda osobne identifikacije. Sustavi za prepoznavanje šarenice iznimno su pouzdani zbog... More svoje stabilnosti, čak i u različitim svjetlosnim situacijama, te otpornosti na starenje ili male ozljede. Korištenje tehnika dubokog učenja za identifikaciju šarenice glavna je tema ovog rada. Algoritmi dubokog učenja otvorili su nove mogućnosti učenja i potencijal u pogledu prepoznavanja šarenice. Iskorištavanjem algoritama dubokog učenja, sustavi za prepoznavanje šarenice mogu postići iznimnu točnost i robusnost, što ih čini vrlo prikladnima za primjene u sigurnosti, kontroli pristupa i forenzičkim istragama. Posebno su konvolucijske neuralne mreže pokazale visoke performanse u prepoznavanju šarenica. Sustav može automatski naučiti diskriminirajuća obilježja izravno iz neobrađenih slika šarenice pomoću CNN-a za identifikaciju šarenice, uklanjajući potrebu za ručno projektiranim značajkama. Rezultati prikazani u radu sugeriraju da uspješnost prepoznavanja šarenica pomoću CNN-ova bitno ovisi o arhitekturi CNN modela koju odabiremo za rješavanje problema te o kvaliteti i veličini skupova podataka koje koristimo kao ulazne podatke za model. Less
Abstract (english)
Biometric identification has become a key assumption for the security of business systems and their material, financial and information assets. Biometrics-based authentication solutions have attracted considerable attention in the domain of information and business security. Among the many biometric modalities, iris recognition has become one of the most accurate and reliable methods of personal identification. Iris recognition systems are extremely reliable due to their stability,... More even in different lighting situations, and resistance to aging or minor injuries. The use of deep learning techniques for iris identification is the main topic of this paper. Deep learning algorithms have opened up new learning possibilities and potential in terms of iris recognition. By leveraging deep learning algorithms, iris recognition systems can achieve exceptional accuracy and robustness, making them well suited for applications in security, access control, and forensic investigations. In particular, convolutional neural networks have shown high performance in iris recognition. The system can automatically learn discriminative features directly from raw iris images using CNNs for iris identification, removing the need for manually designed features. The results presented in the paper suggest that the success of iris recognition using CNNs depends significantly on the architecture of the CNN model that we choose to solve the problem and on the quality and size of the datasets that we use as input data for the model. Less
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:190:832965
Study programmeTitle: Computer Engineering
Study programme type: university
Study level: undergraduate
Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence Attribution 4.0 International (CC BY 4.0) icon
Created on2023-07-20 05:01:26
accessibility

closeAccessibilityrefresh

If you wish to permanently save changes, click on Save, if not - your settings will be reset when you restart the browser.