Show simple item record

dc.contributor.advisorGeorge, Sony
dc.contributor.advisorPedersen, Marius
dc.contributor.authorBakløkken, Jørgen
dc.contributor.authorSchoeler, Felix
dc.contributor.authorNørholm, Hugo
dc.date.accessioned2019-09-19T14:03:43Z
dc.date.available2019-09-19T14:03:43Z
dc.date.issued2019
dc.identifier.urihttp://hdl.handle.net/11250/2617897
dc.description.abstractHensikten med dette prosjektet er å utvikle et automatisert verktøy og metode som kan identifisere salamandere ved å bruke deres individspesifikke bukmønstre. Vi har undersøkt en rekke med forskjellige eksisterende metoder for og oppnå dette. Mens de tradisjonelle metodene krever tidskrevende manuel retting av salamandrene, foreslår vi et system som gjør dette helautomatisk. Vi undersøker en rekke forskjellige metoder for å oppnå dette. I tillegg oppnådde vi en god gjenkjenningsrate. Den endelige versjonen bruker det foldbare nevrale nettverket ResNet50 og kubisk kurve interpolasjon for bukmønster lokalisering, og sammenlikner bildenes tette scale-invariant feature transform (DSIFT) for gjenkjenning.
dc.description.abstractThe purpose of the project is to develop a automated tool and a method that can recognize salamanders by using their individual-specific body markings. We have investigated a number of different methods to accomplish this. While traditional methods require time intensive manual straightening of the salamanders, we propose a system that does this fully automatically. Additionally, we achieved a good recognition rate. The final implementation of the software uses the convolutional neural network ResNet50 and cubic curve interpolation for belly pattern localization, and compares the images dense scale-invariant feature transform (DSIFT) for recognition.
dc.languageeng
dc.publisherNTNU
dc.titleAutomated Salamander Recognition Using Deep Neural Networks and Feature Extraction
dc.typeBachelor thesis


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record