Neuronski prijenos stila

diplomski rad

• Naslov (engleski): Neural style transfer
• Autor: Rea Tot
• Mentor: Ivan Dunđer (mentor)
• Član povjerenstva: Sanja Seljan (predsjednik povjerenstva)
• Član povjerenstva: Vjera Lopina (član povjerenstva)
• Član povjerenstva: Ivan Dunđer (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Filozofski fakultet; (Odsjek za informacijske i komunikacijske znanosti); Zagreb
• Datum i država obrane: 2024-06-27, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: DRUŠTVENE ZNANOSTI; Informacijske i komunikacijske znanosti

Sažetak

Umjetna inteligencija je posljednjih godina napredovala značajnom brzinom i tako postala jedna od važnijih tema u suvremenom svijetu. Jedna grana umjetne inteligencije istaknula se kao vrlo značajnom i utjecajnom – duboko učenje. Duboko učenje je moćan alat unutar umjetne inteligencije koji je omogućio stvaranje umjetnih neuronskih mreža, a s njima i konvolucijskih neuronskih mreža. Konvolucijske neuronske mreže vrlo su učinkovite u analizi i prepoznavanju vizualnih uzoraka na slikama, što se može vidjeti u procesu neuronskog prijenosa stila. Neuronski prijenos stila je tehnika koja kombinira stil jedne slike sa sadržajem druge što rezultira stiliziranom i vizualno privlačnom slikom. Cilj ovog diplomskog rada je bio pružiti teorijski okvir i cjelovito razumijevanje koncepta neuronskog prijenosa stila. Ovaj diplomski rad sastoji se od dva dijela: teorijskog i praktičnog. Teorijski dio pruža pregled umjetne inteligencije i strojnog učenja, kao i pregled koncepta dubokog učenja. Također, dubinski se ulazi u teorijski i praktični aspekt neuronskog prijenosa stila. Praktični dio diplomskog rada odnosi se na implementaciju neuronskog prijenosa stila uz pomoć prethodno treniranog modela. Implementacija je provedena korištenjem biblioteke za strojno učenje TensorFlow u okruženju Google Colaboratory. Rezultati implementacije prikazani su u zadnjem dijelu rada.

Sažetak (engleski)

In recent years, artificial intelligence has rapidly advanced and has become one of the most important topics in the modern world. One branch of artificial intelligence has stood out as really influential – deep learning. Deep learning is a powerful tool within artificial intelligence that has allowed for the creation of artificial neural networks, and with them, convolutional neural networks. Convolutional neural networks are highly effective in analyzing and recognizing visual patterns in images, which can be seen in neural style transfer. Neural style transfer is a technique that combines the style of one image with the content of another, resulting in a stylized and visually appealing image. The aim of this thesis was to provide a theoretical framework and a comprehensive understanding of the concept of neural style transfer. This thesis is comprised of two parts: a theoretical and a practical part. The theoretical part provides an overview of artificial intelligence and machine learning, as well as an overview of the concept of deep learning. Also, it delves into the theoretical and practical aspects of neural style transfer. The practical part of the thesis is concerned with the implementation of neural style transfer using a pre-trained model. This implementation is done using the TensorFlow machine learning library in the Google Colaboratory environment. The results of the implementation are presented in the last part of the thesis.

• Ključne riječi: umjetna inteligencija; duboko učenje; konvolucijske neuronske mreže; neuronski prijenos stila; Python
• Ključne riječi (engleski): artificial intelligence; deep learning; convolutional neural networks; neural style transfer; Python
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:131:301795
• Studijski program: Naziv: Informacijske znanosti; smjerovi: Arhivistika, Bibliotekarstvo, Informatika (istraživački), Informatika (nastavnički), Muzeologija i upravljanje baštinom, Informatologija; Smjer: Informatika (istraživački); Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra informacijskih znanosti (mag. inf.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2024-06-27 13:48:34