Primenjena fizika i elektronika

Konferencija polaznika srednjoškolskih programa Istraživačke stanice Petnica "Korak u nauku"


Poređenje performansi i uspešnosti Structure from Motion algoritama

Luka Simić (2000)
učenik 4. razreda Računarske gimnazije u Beogradu
Petar Marković (2002)
učenik 2. razreda Gimnazije "Jovan Jovanović Zmaj" u Novom Sadu

Mentorstvo:
Damjan Dakić, Microsoft, Beograd
Nikola Milenić, student osnovnih studija, Elektrotehnički fakultet, Univerzitet u Beogradu

Cilj ovog rada je poređenje performansi i uspešnosti kombinacija algoritama koji se mogu koristiti za rekonstruisanje 3D prostora iz 2D slika (Structure from Motion). Algoritmi za poređenje su podeljeni na tri kategorije u zavisnosti od funkcije: feature detection, feature matching/tracking i rekonstrukcija prostora. Poređene su implementacije algoritama u biblioteci OpenCV u programskom jeziku C++, koristeći KITTIdataset. Za feature detection korišćeni su ORB, SURF i SIFT. Za feture tracking korišćeni su FLANN i Brute-Force matcher. Za estimaciju transformacije pomeraja neophodni su dobro matchovani feature-i, stoga su isti filtrirani korišćenjem RANSAC-a. Dobijeni rezultati pokazuju da je kombinacija SURF-a i Brute-Force matchera daje najtačniji point cloud prema ICP-u, ali da je ta kombinacija najsporija.


GetCreative: Automatsko generisanje karikatura nenegativnom faktorizacijom matrice i konvolucionalnim neuronskim mrežama

Lana Popović (2001)
učenica 3. razreda Matematičke gimnazije u Beogradu
Jana Marković (2001)
učenica 3. razreda Prve kragujevačke gimnazije, Kragujevac

Mentori:
Gavrilo Andrić, Microsoft, Beograd
Pavle Šoškić, Elektrotehnički fakultet Univerziteta u Beogradu

Cilj rada jeste automatsko generisanje karikatura koje će ispuniti željene umetničke, humorističke i stilske norme, održavajući originalni identitet osobe i preuveličavajući njene karakteristične atribute. Za karikiranje crta lica zadate osobe korišćen je princip naglašavanja onih karaktersitčnih tačaka koje najviše odstupaju od srednje raspodele lica. Dobijene slike sa deformisanim fragmentima se puštaju kroz treniranu konvolucionu neuronsku mrežu, zajedno sa umetničkim delima čiji se stil preuzima. Konačno, za određivanje uspešnosti našeg algoritma sprovedene su ankete sa zahtevom da se od različitih karikatura koje su generisane našim i drugim, sličnim algoritmima, ili naslikane od strane čoveka odaberu najbolje.


RF Lokalizacija

Aleksa Stefanović (2000)
učenik 4. razreda Gimnazije Pirot, Pirot
Marija Nedeljković (2001)
učenica 3. razreda Gimnazije Kraljevo, Kraljevo

Mentorstvo:
Danilo Đokić, student osnovnih studija, Elektrotehnički fakultet, Univerzitet u Beogradu
Miloš Novaković, student osnovnih studija, Elektrotehnički fakultet, Univerzitet u Beogradu

Cilj ovog rada je određivanje lokacije predajnika pomoću ispitivanja karakteristika radio talasa koji stižu do prijemnika. Aparatura se sastojala od jedne predajne antene emisione frekvencije 433 MHz i 3-5 prijemnih antena. Merene su srednje vrednosti indukovanih napona na antenama usled električnog polja predajnika. Uočena je linearna zavisnost snage prijemnika od kvadrata napona, čime su ova merenja mogla biti obrađivana svim metodama koje su vezane za snagu.  Merenja su vršena na provodnom metalnom stolu usled čega je, po teoremi likova, dolazilo do superpozicije talasa emitovanih od strane predajnika i njegovog lika sa druge strane stola. U ovom istraživanju upoređivana su 4 različita metoda i njihove performanse: Trilateracija, Metoda opadajućeg gradijenta, Gaus-Njutnova metoda (GNA) i Levenberg-Markuar (LM) algoritam. Svi metodi osim trilateracije su optimizacioni algoritmi i njihov cilj je da minimizuju funkciju greške, predstavljenu kao modul razlike vektora izmerenih napona. Analizom rezultata simulacije sistema utvrđen je uticaj provodnog stola, kao i visina antena u odnosu na sto pri kojoj je opadanje snage u toku udaljavanja najmanje. Analizirana je prosečna greška za sve algoritme u slučajevima sa 3, 4 i 5 antena. Utvrđeno je da se greška pri korišćenju svih algoritama smanjuje kako se povećava broj antena. Prosečna greška pri korišćenju tri antene i LM algoritma iznosila je 15cm, dok je sa 5 antena 6cm. Upoređivanjem algoritama zaključuje se da je LM algoritam najbolji, kao i da se trilateracijom (greška 8cm) dobijaju bolji rezultati nego GNA ili opadajućim gradijentom (11cm i 14cm, respektivno).


Optimizacija hodanja bipedalnog modela kori[‘enjem Reinforcement learning-a

Anđela Bogdanović (2000)
učenica 4. razreda Prve kragujevačke gimnazije, Kragujevac
Jelena Cvetić (2001)
učenica 3. razreda Prve kragujevačke gimnazije, Kragujevac

Mentorstvo:
Andrej Lojdl, softverski inženjer

Cilj ovog rada bio je izvršiti optimizaciju hoda bipedalnog modela korišćenjem Reinforcement learning-a odnosno učenja sa podsticajem, jedne vrste mašinskog učenja. Hodanje bipedalnog modela simulira čovekovo kretanje projektovano u ravni. Model projektovan uz pomoć Box2D biblioteke može menjati ugao sva četiri zgloba i ugao pod kojim se nalazi trup. Menjanjem uglova model menja svoja stanja vodeći se određenim akcijama, prilikom čega dobija pozitivnu ili negativnu nagradu. Podstaknut sistemom nagrađivanja model ima zadatak da dođe do cilja, odnosno nauči da kontroliše uglobe zglobova i ujedno nauči da hoda. U implementaciji projekta korišćen je Q-learning algoritam Reinforcement learning-a.


Detekcija registarskih tablica na vozilima upotrebom OCR algoritma

Dimitrije Andžić (2002)
učenik 2. razreda Računarske gimnazije, Beograd
Filip Stevanović (2002)
učenik 3. razreda Zemunske gimnazije, Beogradu

Mentorstvo:
Andrea Ćirić, studentkinja osnovnih studija, Elektrotehnički fakultet, Univerzitet u Beogradu

Ovaj rad evaluira algoritme detekcije registarskih tablica upoređivanjem algoritama detekcije ivica i detekcije teksta kao i to kako oni zajedno rade. Korišćene su metode Canny Edge Detection-a sa različitim tipovima preprocesinga za detekciju ivica dok je za detekciju teksta korišćena već istrenirana duboka neuralna mreža u ulozi Optical Character Recognition (OCR) algoritma. Ova dva metoda su kombinovana kako bi se dobio isečen deo slike na kojem se nalazi isključivo tablica bez ikakvog teksta sa strane radi sigurnog i tačnog čitanja registarske oznake. Za testiranje korišćena je baza koja se sastojala od slikaautomobila na kojima se nalaze tablice sa područja EU koja je brojala ukupno 110 različitih slika. Uspešnost algoritma određena je preko Intersection Over Union-a (IOU) između labela u bazi podataka i rezultata dobijenih algoritmom. Konačan algoritam je na celoj bazi imao 62% IOU uspešnosti dok je finalni true positive rate na test bazi iznosio 86.5%. Analizom rezultata zaključeno je da se svi rezultati sa IOU rezultatom većim od 70% mogu klasifikovati kao detektovane registarske oznake u kom slučaju tačnost detekcije ovog algoritma iznosi  84%.


Poređenje karakteristika različitih konfiguracija multiport interferometara

Valentina Njaradi (2001)
učenica 4. razreda Matematičke gimnazije, Beograd
Aleksa Račić (2000)
učenik 4. razreda Gimnazije Banjaluka, Banjaluka (BIH)

Mentorstvo:
Mladen Banović, master, Elektrotehnički fakultet, Univerzitet u Beogradu

U ovom radu su poređene prednosti i mane različitih konfiguracija Mah-Zenderovih  interferometara unutar Multiport Interferometra. Rad je obuhvatao i simulaciju i dizajn najbolje konfiguracije kako bi se ona izradila. Testirane su tri konfiguracije MZ interferometara: trougaona, pravougaona i šestougaona. Simulacije su pokretane u Lumerical Interconnect-u i softveru specijalno napravljenom za ovaj rad. Karakteristike komponenata unutar simulacije su preuzete iz rada Pereza i saradnika. Rezultati su pokazali da najbolje performanse daje pravougaona konfiguracija kod Multiport Interferometara koji imaju veliki broj ulaza i izlaza. Transmitansa kod najdužeg optičkog puta u Multiport interferometru sa 100 ulaza i izlaza je iznosila 37% kod pravougaone konfiguracije, 22% kod šestougaone i 17% kod trougaone. Takođe su poređene karakteristike multiport interferometra koji imaju po 5 ulaza i izlaza. Razlika u transmitansi među konfiguracijama je bila značajno manja, ali transmitansa nije prelazila 90% ni za jednu konfiguraciju. Ovim je pokazano da Multiport interferometar još uvek ne može da se koristi u slučajevima gde je očuvanje snage signala važno.   

Klasifikacija morfologije galaksija konvolucionim neuronskim mrežama

Anđelina Maksimović (2002)
učenica 2. razreda Prve kragujevačke gimnazije, Kragujevac
Elena Sladojević (2001)
učenica 3. razreda Matematičke gimnazije, Beograd

Mentorstvo:
Vladimir Ranković, Microsoft, Beograd

Glavni cilj ovog rada je efikasno rešavanje problema podele galaksija na različite kategorije. Naučna pozadina podele je bazirana je na Hubble Tunning dijagramu koji je postavio Edwin Hubble. Ovim dijagramom su galaksije izdeljene na različite kategorije na osnovu njihovog izgleda i oblika. Podelom je izdvojeno sledećih 5 kategorija: Oblika Diska, Eliptične, Između Okruglih i Eliptičnih, Okrugle i Spiralne. Početna baza podataka se sastojala od 60 000 slika prikupljenih istraživanjem Solar Digital Sky Survey-a.  Slike u bazi su klasifikovali volonteri Galaxy Zoo projekta. Zbog određenih manje važnih slika, eliminisane su slike koje predstavljaju zvezde ili galaksije za koje nije sigurno kojoj kategoriji pripadaju. Ovim je baza filtrirana tako da se u njoj nalaze samo one slike za koje je jasno izraženo kojoj od navedenih 5 kategorija pripadaju. Ovakva baza podataka se sastoji 28 000  slika koje su korišćene za treniranje tri različita modela neuronskih mreža. Kako bi se postigla klasifikacija sa najvećom tačnošću, eksperimentisanje je vršeno na tri različita modela mreža čiji su hiperparametri samih mreža optimizovani. Korićeni modeli su Konvolucioni model sa 11 slojeva, Neuronska mreža VGG16 sa 16 slojeva i Rezidualna neuronska mreža sa 26 slojeva. Zbog složenosti Konvolucionih neuronskih slojeva početne mreže su u cilju poboljšanja mreže dodati rezidualni slojevi. Time je omogućeno smanjenje greške koja se može javiti u mrežama sa brojnim konvolucionim slojevima. Dobijeni rezultati pokazuju da dublje mreže daju bolju tačnost klasifikacije. Najbolji rezultati su postignuti Rezidualnom neuronskom mrežom sa tačnošću od 87,98%, zatim Neuronskom mrežom VGG16 sa 86,73% i  Konvolucionim modelom sa 85,62%.


Rukovodioci programa: Miloš Stojanović, Stefan Krsmanović

WordPress Appliance - Powered by TurnKey Linux