This study is about a small experiment using CNNmodels to see how well they differentiate between dolls andhumans. The experiment used two different kinds of CNNmodels one which was built after a classic model and one morerudimental model. The models were tested on how accuratelythey predicted the right answer. The experiment was a threeclassedproblem and had a set of different parameters to testwhat would make it harder for the system to classify the imagescorrectly. The original images were digitally enhanced to testdifferent conditions. The models were tested on a dataset withnegative images of the original images, one set with highercontrast than the original, one set with different light conditions,one set with higher brightness and three different levels of lowresolution on the images. The study concludes that brightness andlighting are the two most difficult conditions. The contours in theimage are the most important part for successful classification. / Studien är på ett litet experiment med CNNmodellerför att se hur väl de skiljer mellan dockor ochmänniskor. Experimentet använder två olika typer av CNNmodeller,en som byggdes efter en klassisk modell och en merrudimentär modell. Modellerna testades på hur exakt de kanbestämma de olika klasserna. Experimentet var ett treklassproblem och bilderna testades med olika typer av förhållanden,för att se vad som skulle göra det svårare för modellen attklassificera bilderna korrekt. Original bilderna gjordes om föratt studera olika typer av förhållanden. Modellerna testades på ett dataset med negativa bilder av originalbilderna, enuppsättning med högre kontrast än originalet, en uppsättningmed olika ljusförhållanden, en uppsättning med högre ljusstyrkaoch tre olika nivåer med låg upplösning av bilderna. I studiendrogs slutsatsen att ljusstyrka och belysning är de två svårasteförhållandena. Konturerna på objekten i bilden är den viktigastefaktorn för en framgångsrik klassificering. / Kandidatexjobb i elektroteknik 2021, KTH, Stockholm
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-308458 |
| Date | January 2021 |
| Creators | Reinders, Ylva, Runnstrand, Josefin |
| Publisher | KTH, Skolan för elektroteknik och datavetenskap (EECS) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-EECS-EX ; 2021:188 |
Page generated in 0.0015 seconds