Realizacija detektora lica na osnovu Viola-Jones algoritma
|
|
- Alice Hensley
- 5 years ago
- Views:
Transcription
1 INFOTEH-JAHORINA Vol. 11, March Realizacija detektora lica na osnovu Viola-Jones algoritma Boško Mihić, Jelena Lozanov studenti drugog ciklusa studija Fakultet tehničkih nauka Novi Sad, Srbija Sadržaj Rad prikazuje proces realizacije detektora lica na osnovu Viola-Jones algoritma. Sam algoritam je opisan u osnovnim crtama uz detaljnije pojašnjenje jedino procedura koje su samostalno definisane. Pored toga, dat je i opis distribuirane realizacije treninga pomoću kog se vrši detekcija lica. Na kraju, rad prikazuje i konačne rezultate treninga uz osvrt na mogućnosti daljeg unapređenja uspešnosti detekcije. (Abstract) Ključne reči-detekcija lica; boosting; paralelno izvršavanje; Viola-Jones I. UVOD Tema rada predstavlja opis sistema za detekciju lica realizovanog na osnovu Viola-Jones algoritma. Prednosti upotrebe ovog algoritma jesu jednostavnost, brzina i visoke performanse. Ključne novine koje je uveo ovaj algoritam i koje su doprinele ovakvim karakteristikama ogledaju se u upotrebi integralne slike za manipulisanje podacima, upotrebi modifikovanog AdaBoost algoritma za generisanje i realizacije u formi kaskade manjih. U poslednje vreme, sa sve češćom pojavom multiprocesorskih jedinica u kompjuterskim sistemima, važna karakteristika ovog algoritma postala je i mogućnost relativno jednostavne paralelizacije izvršavanja, kako procesa treninga, tako i procesa detekcije lica. Tim povodom je i odlučeno da se prilikom realizacije ovog sistema izvrši paralelizacija procesa treninga na više računara na kojima se, srazmerno broju procesorskih jedinica, izvršava više ili manje paralelnih procesa, praveći odgovarajući balans između kompleksnosti komunikacije i njene brzine. Prateći ta ograničenja, upotrebljen je prilično robustan sistem sinhronizacije fajlovima, o kojem će biti više reči u nastavku. Pre opisa same procedure važno je napomenuti da su za trening korišćene slike lica koja su okrenuta približno u pravcu kamere, pa je i uspešnost detekcije lica delom uslovljena tim parametrom. Takođe, za region lica nad kojim se vrši detekcija izabran je nešto manji deo u odnosu na onaj koji je korišćen u originalnom Viola-Jones radu[1]. Rezultati tih odluka, kao i same realizacije algoritma biće izloženi na kraju rada, uz razmatranje oblasti čijim bi se daljim razvojem mogao ostvariti dodatni napredak. II. PROCEDURA Tokom razvoja detektora, u velikoj meri praćene su procedure i saveti izneti u radovima [1], [2]. Uzimajući to u obzir, u nastavku rada biće dat samo opštiji opis procesa generisanja za detekciju lica sa nešto detaljnijim opisima delova koji su samostalno realizovani. A. Slabi klasifikator Predstavlja osnovni deo krajnjeg. U matematičkom obliku, može se predstaviti kao: 1 za pf( x) > pθ hx (, f, p, θ ) =, (1) 0 inače gde x predstavlja crno-belu podsliku veličine 24x24 piksela nad kojom se vrši detekcija, f testirano obeležje (eng. feature) slike, p polaritet i θ graničnu vrednost odlučivanja. Povratna vrednost funkcije trebalo bi da bude 1 u slučaju slike lica, ili 0 u slučaju kada se na slici ne nalazi lice. Kao skup mogućih tipova obeležja, uzeti su pet osnovnih pravougaonih oblika sličnih Harovim talasima (eng. Haar s wavelets) prikazanih na Sl. 1. Vrednost koja se dobije nakon primene ovih obeležja nad slikom jednaka je razlici suma piksela unutar belih i crnih pravougaonika. S obzirom na to da se svaki od tih tipova obeležja može primeniti nad različitim delovima ulazne slike dimenzije 24x24, dobija se da je ukupan broj mogućih obeležja oko Za određivanje najboljih obeležja lica, potrebno je izvršiti testiranje svih mogućih obeležja nad svim pozitivnim i svim negativnim uzorcima, tj. slikama lica i slikama koje to nisu, a koje trenutni detektor i dalje detektuje kao da jesu. S obzirom na to da će do određene greške uvek doći, bitno je izvršiti selekciju najboljih obeležja čijim će se kombinovanjem najbrže Tip 1 Tip 2 Tip 3 Tip 4 Tip 5 Slika 1. Osnovni tipovi obeležja
2 doći do željene stope uspešnosti detekcije. O samom procesu selekcije takvih obeležja, biće više reči u nastavku. B. Jaki klasifikator Grupisanjem više slabih kasifikatora u celinu, dobija se jaki klasifikator. Time se postiže da se pouzdanost pojedinih slabih kasifikatora, koja veoma često iznosi tek nešto više od 50%, značajno poveća. Kako bi se to postiglo, potrebno je svakom slabom klasifikatoru dodeliti težinski koeficijent α t, koji je suprotno srazmeran greški koju on ostvaruje. Na osnovu tih koeficijenata i samih slabih, definiše se jaki klasifikator pomoću sledećeg izraza: T T 1 1 za αtht( x) αt Sx ( ) t= 1 2 t= 1. 0 inače = (2) Za Viola-Jones algoritam, od većeg je značaja da jaki klasifikator ostvaruje veliku pouzdanost pri klasifikaciji pozitivnih uzoraka (eng. TPR True Positive Rate) nego pri klasifikaciji negativnih (eng. TNR True Negative Rate), o čemu će biti više reči u nastavku. Da bi se to postiglo, predviđena je upotreba faktora prilagođenja (eng. Tweak Factor) čijim se umanjivanjem takođe smanjuju i granične vrednosti unutar slabih kalsifikatora. Opis tog postupka nije deo samog Viola-Jones algoritma i realizovan je samostalno. Da bi se promena graničnih vrednosti izvršila što je moguće ravnomernije između različitih slabih, bilo je potrebno uzeti meru rasutosti rezultata primene obeležja nad uzorcima. U skladu sa potrebom da se rezultat dobije u što manje koraka, za meru rasutosti uzeto je polurastojanje između srednjih vrednosti primene obeležja nad pozitivnim i nad negativnim uzorcima, tj: 1 1 d f x f x P N ( p) ( n) t = t( i ) t( i ). 2P i= 1 2N i= 1 (3) Na osnovu ovog parametra, faktora prilagođenja i početne granične vrednosti θ t, nova granična vrednost računa se pomoću izraza: dt ( tf 1) π θ t = θt + tg, K 2 gde K predstavlja koeficijent izduženosti tangens funkcije i izabran je fiksno, na nivou programa, tako da upotrebne vrednosti tf budu u okolini sredine opsega tog parametra. C. Kaskadni klasifikator Konačno, spajanjem više jakih u kaskadu, nastaje kaskadni klasifikator kojim se i vrši detekcija lica. Potreba za kaskadnom strukturom pojavila se zbog činjenice da se prilikom pretraživanja slike testira veliki broj podslika (4) ulaz Slika 2. Kaskadni klasifikator. kako bi se saznalo da li sadrže lice ili ne, stoga je efikasnije usredsrediti se na odbacivanje uzoraka koji ne sadrži lice nego pronaći one koji sadrže. Kaskadni klasifikator se sastoji od više jakih, čiji je zadatak da procene da li kvadrat sigurno ne sadrži lice ili ga možda sadrži. Ukoliko je procenjeno da testirani kvadrat ne sadrži lice, on se odbacuje, a ukoliko se smatra da on možda sadrži lice, on se prosleđuje sledećem jakom klasifikatoru. Konačna odluka da li podslika sadrži lice ili ne, donosi se na osnovu izlaza iz poslednjeg jakog. Šematski prikaz opisanog postupka dat je na Sl. 2. Upravo zbog takve strukture kaskadnog, potrebno je da svaki jaki klasifikator zadrži visok TPR, kako bi prava lica mogla da prežive sve eliminacije. S druge strane, zbog značajno umanjenog dela negativa koje svaki sledeći jaki klasifikator i dalje ne može da odbaci (eng. False Positive Rate), dobijaju se visoke performanse sistema. Tako na primer, za prosečan TPR po jakom klasifikatoru od 0,99 i FPR od 0,35, za kaskadni klasifikator od 10 kaskada, ovi parametri bi iznosili: TPR FPR kk kk = TPR = 0,90 10 jk = FPR = 0, jk D. Integralna slika i normalizacija podslika Pojam integralne slike podrazumeva zapravo samo drugačiju reprezentaciju slike. Koristi se za brzo sumiranje vrednosti piksela unutar nekog pravougaonog dela slike, što je upravo i slučaj kod računanja rezultata primene obeležja nad slikom. Na Sl. 3 dat je primer konvertovanja regularne slike u integralnu. Svakom pikselu dodaje se vrednost sume svih piksela iznad njega i levo od njega. Na ovaj taj način omogućeno je da se suma svih piksela, u bilo kom pravougaoniku, izračuna na osnovu samo četiri vrednosti. Takav primer dat je na Sl Slika 3. jak klasifikator da li je lice? NE Odbačen MOŽDA jak klasifikator da li je lice? NE Odbačen, Ulazna slika (levo) i integralna slika (desno). MOŽDA (5)
3 1 2 A B 2) odabir slabog koji minimalizuje grešku koja uzima u obzir težinske koeficijente uzoraka, na osnovu izraza: 3 C 4 D N w h( x f p θ) y (7) ε = min,,,, t f, p, θ i i i= 1 Slika 4. Primer računanja sume piksela unutar pravougaonika pomoću integralne slike. Površina pravougaonika 4 jednaka je D - (B + C) + A, gde je vrednost integralne slike u tački A jedanaka sumi piksela unutar pravougaonika 1, vrednost u tački B sumi unutar 1 i 2, vrednost u tački C sumi unutar 1 i 3, i u tački D jednaka je sumi sva četiri kvadrata. Pored primene integralnih slika za računanje sume vrednosti piksela, one se koriste i u procesu pripreme slike pred klasifikaciju. Naime, da bi se do određene mere eliminisala razlika u osvetljenju i kontrastu između lica na različitim slikama, potrebno je izvršiti normalizaciju vrednosti piksela podslike na kojoj se traži lice. Upravo se taj proces značajno ubrzava upotrebom integralne slike originala i integralne slike kvadratnih vrednosti piksela originala. S obzirom na to da se površine ispod obeležja uzimaju sa odgovarajućim težinskim koeficijentima tako da se jednosmerna komponenta razlike suma uvek potire, dovoljno je izvršiti samo normalizaciju varijanse. To se postiže tako što se rezultat primene obeležja nad podslikom podeli sa standardnom devijacijom vrednosti piksela te podslike, čime se dobija ekvivalentan efekat, kao da su svi pikseli podslike normalizovani pojedinačno. Sama standardna devijacija, dobija se na osnovu izraza: σ S S m 2 2 x x x =, (6) 2 gde S x² i S x predstavljaju sume vrednosti piksela regularne i kvadratne podslike, a m širinu/visinu slike. E. Modifikovani AdaBoost i trening U sklopu Viola-Jones algoritma korišćen je modifikovani AdaBoost algoritam, koji pretragom kroz obeležja pronalazi ono koje u tom trenutku stvara najveći doprinos poboljšanju performansi jakog. Za skup (x 1, y 1 ),...,(x N, y N ) gde je y i =0 ako je x i negativan uzorak i y i =1 u suprotnom slučaju, i za skup težinskih koeficijenata uzoraka koji su u početnom slučaju suprotno proporcionalni broju uzoraka te vrste (pozitivnih ili negativnih), postupak pronalaska novog slabog i njegovog ubacivanja u trenutni jaki klasifikator, sadrži sledeće korake: 1) normalizaciju težinskih koeficijenata w i tako da suma svih koeficijenata bude jednaka 1, 3) definisanje h t (x)=h(x, f t, p t, θ t ) pomoću parametarta f t, p t, θ t za koje se dobija ε t, 4) ažuriranje težinskih koeficijenata na osnovu izraza: i ( θ ) wiβt za h x, ft, pt, t = yi wi =, (8) w inače za βt=ε t /(1-ε t ), 5) izračunavanje težinskog koeficijenta α t =log(1-β t ) i dodavanje slabog u jaki klasifikator. Kao rezultat algoritma formira se jak klasifikator koji se sastoji od niza slabih, koji su uračunati sa težinskim koeficijentom α t, zavisno od njihove uspešnosti prilikom klasifikacije. S obzirom na to da se generisanje slabog vrši tako što se svako od obeležja primeni na svaki od trening uzoraka kako bi se pronašlo najbolje obeležje, ovaj deo AdaBoost algoritma predstavlja ujedno i najzahtevniji deo u smislu dužine trajanja. Dodatno usporavanje predstavlja i pronalazak optimalne granične vrednosti θ tako da bi što manji broj uzoraka bio pogrešno klasifikovan. III. IMPLEMENTACIJA A. Postavka Zbog velikog obima računanja, proces generisanja slabih podeljen je na više podređenih klijenata pokrenutih na više radnih stanica, sa kojima se upravlja pokretanjem iste aplikacije u kontrolnom režimu rada na glavnoj radnoj stanici. Same aplikacije pisane su u programskom jeziku C++. Komunikacija između kontrolne aplikacije i klijenata odvija se razmenom XML fajlova u direktorijumima pojedinih klijenata. Da bi takva komunikacija bila ostvariva, potrebno je da se sve instance programa pokrenu iz poddirektorijuma istog virtuelnog direktorijuma. Iako na prvi pogled ovo deluje kao nepraktično rešenje, razlog za takvu realizaciju leži baš u jednostavnosti inicijalizacije i pouzdanosti komunikacije. Samo pripajanje nove radne stanice u proces treninga, svodi se na deljenje direktorijuma sa tom radnom stanicom, bilo putem lokalne mreže ili upotrebom nekog od besplatnih cloud servisa za deljenje fajlova, poput Dropbox a. Čim se ostvari sinhronizacija fajlova, dovoljno je pokrenuti klijenta, koji će svoj rad nastaviti u pozadini, čekajući na instrukcije koje će mu stići u njegov radni direktorijum. Ovaj aspekt jednostavne inicijaliziacije nove radne stanice na daljinu, omogućio je da se u nedostatku laboratorijskih resursa, pokrene i do 30 klijenata paralelno na različitim računarima za
4 kućnu upotrebu, bez potrebe za razmatranjem mrežne infrastrukture pojedinih računara. Druga prednost ove vrste komunikacije ogleda se i u brzoj razmeni negativnih uzoraka koje je potrebno generisati i razmeniti sa klijentima pred trening svakog novog jakog, s obzirom na to da se radi o paketima od nekoliko desetina megabajta. Zahvaljujući činjenici da se slanje podataka vrši samo ka centralnom cloud serveru i da svi klijenti sa te lokacije dalje primaju podatke, sinhronizacija je višestruko ubrzana. Stavka koja je ipak predstavljala slabost ovakve komunikacije, ogledala se u razmeni jednostavnih i kratkih instrukcija. Ta razmena se odvija relativno sporo i često traje i do 10 sekundi. Međutim, pošto je bilo potrebno razmeniti samo dve poruke po jednom procesu potrage za novim slabim klasifikatorom, ta slabost i nije preterano dolazila do izražaja sa korišćenim brojem klijenata. Sama komunikacija se odvija u sledećim koracima: klijenti su raspoređeni po folderima i za komunikaciju sa kontrolnom aplikacijom koriste fajlove XML strukture: ViolaJones.request i ViolaJones.response. Unutar request fajlova nalaze se instrukcije kojim se centralni program obraća klijentima. Svaki request tag sadrži dva atributa. ID koji se uvećava posle svakog poslatog zahteva i type koji predstavlja tip zahteva i može da ima jednu od četiri vrednosti: 0 stanje čekanja, 1 zahtev za izvršavanje AdaBoost algoritma, 3 provera dostupnosti i 4 prosleđivanje ažuriranih težinskih koeficijenata za nastavak izvršavanja AdaBoost algoritma. Unutar response fajla nalazi se odgovor klijenta na zahtev centrale. Komunikacija se uvek odvija u formi zahtev/odgovor, uz praćenje ID atributa zahteva koji služi kao brojač pristiglih poruka, pa je samim tim komunikacija prilično pouzdana. Pošto je za većinu klijenata bilo potrebno rukovanje na daljinu, napravljena je pomoćna aplikacija VJBot koja se izvršava u pozadini. Njoj se na sličan način, kao i glavnoj aplikaciji, pomoću fajlova VJBot.start i VJBot.stop saopštava da pokrene tj. zaustavi program, što je bilo korisno posebno tokom razvoja sistema. B. Generisanje pozitivnih uzoraka Za formiranje baze pozitivnih uzoraka napravljen je program VJFaceSelector, koji je omogućio brzo isecanje slika lica. Program radi tako što učitava sliku po sliku, prevodi je u crno beli format, a zatim zahteva od korisnika da označi dve tačke na licu, jednu u gornjem levom uglu, iznad obrva i drugu u donjem desnu uglu ispod usana. Na taj način formira se kvadrat sa datim koordinatama koji sadrži sliku lica. Kvadrat je moguće pomerati sve dok se horizontalne ivice ne nađu tik iznad obrva (gornja) i na liniji između usana i brade (donja). Program zatim svaku sliku skalira na dimenzije 24x24 i snima u poseban folder. Baza pozitivnih uzoraka sadrži ukupno slika lica, od kojih se koristi za trening, a 500 za evaluaciju rezultata. Većina slika koje su korišćene kao izvor za isecanje lica deo su baza LFW i FDDB preuzetih sa sajta univerziteta u Masačusetsu [3], [4]. C. Generisanje negativnih uzoraka Prilikom generisanja negativa, prvo se vrši provera negativa korišćenih za trening prethodnog jakog, odnosno ispituje se da li ti negativi predstavljaju negative i za trenutni klasifikator. Zatim se generišu novi na osnovu baze slika koje ne sadrže lica. Prilikom dodavanja novih uzoraka u bazu negativa, vrši se provera da li se ta slika već nalazi u bazi, na osnovu hash vrednosti piksela te slike. Na taj način, omogućen je višestruki prolazak kroz sve negative uz postepeno povećanje broja prozora kojim se skenira slika u potrazi za negativima. Posle svakog prolaska kroz sve negative, dimenzije prozora, pomeraj prozora i početna veličina prozora se umanjuju. Proces generisanja negativa obavlja kontrolna aplikacija, i po završetku posla te slike se pakuju u TAR arhivu i prosleđuju svim klijentima. Pakovanje uzoraka u TAR arhivu omogućava smanjenje broja fajlova, a samim tim i mnogo brži rad pošto se slike direktno učitavaju u memoriju iz jednog fajla. D. Trening Proces formiranja kaskadnog za detekciju lica podeljen je na odvojeno pronalaženje jednog po jednog jakog. Pre pokretanja postupka generisanja svakog od njih, potrebno je odrediti vrednosti parametra TPR, FPR i maksimalan broj slabih unutar njega, koje bi taj jaki klasifikator trebalo da zadovolji. Na osnovu par eksperimentalnih pokretanja i rezultata iznetih u Viola-Jones radu, za ove parametre uzete su sledeće vrednosti: TPR je postavljen na 0,99, FPR je postavljen na 0,35, dok je za maksimalan broj slabih biran duplo veći broj od onog koliko prethodni jaki klasifikator ima slabih. Po definisanju svih parametara treninga u koje dodatno spadaju i parametri vezani za proces generisanja negativa, lokacije relevantnih fajlova i sl, pristupalo se samom pokretanju treninga koji se sastojao od sledećih koraka: 1) inizijalizacija početnih parametara i učitavanje dosad istreniranog dela kaskadnog, 2) uspostava komunikacija sa dostupnim klijentima, 3) generisanje negativa za trenirani jaki klasifikator na osnovu upotrebe kaskadnog koji je dosad istreniran, 4) pokretanje procesa generisanja novog slabog tokom kog svaki od klijenata dobije određen opseg obeležja od ukupno unutar kojih pronalazi najbolje od njih po prethodno opisanoj proceduri, 5) prikupljanje rezultata klijenata i određivanje najboljeg obeležja među pristiglim od kog se generiše novi slabi klasifikator, 6) ubacivanje novog slabog u jaki klasifikator i podešavanje faktora prilagođenja, tako da se zadovolji očekivani TPR, 7) ako jaki klasifikator posle promene faktora prilagođenja i dalje poseduje FPR manji od zahtevane vrednosti, ili ako se dostigne maksimalni broja slabih, proces se zaustavlja i rezultati se snimaju. U suprotnom, algoritam se vraća na korak 4). Po okončanju ovog procesa program generiše još jedan dodatni izlazni fajl, koji sadrži podatke o različitim vrednostima parametara TPR i FPR, kao i o broju slabih i faktoru prilagođenja pri kojima su te vrednosti
5 dobijene. Na osnovu tih podataka, vrši se procena da li iz krajnjeg jakog treba izbaciti poslednjih nekoliko slabih ako ne doprinose značajno smanjenju FPR, da li prihvatiti manje TPR pošto u pojedinim slučajevima to doprinosi značajnom smanjenju FPR, ili zadržati početne rezultate. Zahvaljujući takvoj analizi rezultata, izvršena je značajna redukcija broja slabih u pojedinim jakim klasifikatorima, pošto je vrednost FPR nekad vrlo brzo stizala do određene tačke posle čega bi njena vrednost prestala značajnije da opada, pa su dodatni slabi kalsifikatori predstavljali višak koji bi samo usporavao program. Krajnji rezultat svakog od tih treninga, predstavljao je XML fajl koji je sadržio dotad istrenirani kaskadni klasifikator. IV. REZULTATI Pri pokretanju treninga za svaki jaki klasifikator, prvi korak predstavlja pronalaženje skupa negativnih uzoraka. S ozbirom na to da su se performanse kaskadnog podizale sa svakim novim dodavanjem jakog, odlučeno je da se broj negativa za treniranje svakog novog jakog smanji za po hiljadu, kako bi se ostvarila određena optimizacija u potrošnji vremena. U tabeli 1 prikazani su podaci vezani za proces generisanja negativa za trening svih 13 jakih, koliko ih ima u krajnjem kaskadnom klasifikatoru. Ovi rezultati ostvareni su pri generisanju negativa na osnovu baze od slika visoke rezolucije. S obzirom na to da je proces bio relativno brz za ovih 13 koraka, nije bilo potrebe za paralelizacijom samog procesa. Tako je na primer u poslednjem koraku, za testiranje 4,5 milijardi podslika utrošeno nešto više od sat vremena, što je u odnosu na vreme potrebno za trening značajno kraći vremenski period. Međutim, u slučaju daljeg treninga dodatnih jakih, TABELA I. Redni br. jakog Br. negativa od prethodnog jakog GENERISANJE NEGATIVNIH UZORAKA. Ukupan broj negativnih uzoraka Broj testiranih uzoraka Ukupno TABELA II. Redni br. jakog REZULTATI EVALUACIJE JAKIH KLASIFIKATORA. Broj slabih tf a TPR FPR 1 2 0,3641 0,9860 0, ,5345 0,9898 0, ,3161 0,9959 0, ,3098 0,9938 0, ,3497 0,9917 0, ,2689 0,9896 0, ,2800 0,9979 0, ,2689 0,9958 0, ,2480 0,9979 0, ,3098 1,0000 0, ,2689 0,9915 0, ,2744 1,0000 0, ,2635 0,9957 0,3140 Ukupno 758-0,9280 0,7420*10-6 a. tweak factor paralelizacija i ovog postupka donela bi značajne uštede u vremenu. Kao što je već naglašeno, proces generisanja jakih zahtevao je da se utvrdi optimalni odnos između parametara. I dok je za prve jake klasifikatore bilo mnogo važnije da sadrže što manje slabih kako bi vreme potrebno za eliminisanje početnog broja testiranih regiona takođe bilo minimalno, kasniji klasifikatori su više usredsređeni da ostvaruju visoke TPR uz minimizaciju FPR. Kao krajnji rezultat treninga, dobijeni su jaki klasifikatori čiji su parametri dati u tabeli 2. U njoj su takođe prikazani i parametri krajnjeg kaskadnog. Uz TPR od 0,92 koji je izračunat nad setom od 500 slika korišćenih za evaluaciju, kao i uz FPR od 0,74*10-6 koji je izračunat na osnovu FPR pojedinih jakih, ostvareni rezultati su zadovoljili očekivanja. Za sam kraj, odabran je test skup slika iz baze MIT+CMU koje su i u radovima [1] i [2] korišćene za grafički prikaz rezultata, kako bi se ostvarilo relativno poređenje. Slike su skenirane metodom klizajućeg prozora (eng. Sliding window) početne veličine 24x24 piksela, sa pomerajom od 10% i uvećanjem prozora na kraju jednog ciklusa od 20%. Rezultati detekcije lica nad tim slikama dati su na Sl. 5. I dok su rezultati primene originalnog Viola-Jones nešto bolji od onih koji su prikazani na slici, u odnosu na rad [2] ostvareni su uočljivo bolji rezultati. V. ZAKLJUČAK Realizovani sistem detekcije lica ostvario je solidne performanse, uspevajući da ostvari jedan od glavnih ciljeva implementacije ovog algoritma, a to je brzina rada. Ipak ostalo je dosta mesta da dodatno unapređenje. Jednu od mogućih
6 Slika 5. Izlaz iz detektora lica primenjenog nad slikama iz baze slika MIT+CMU. promena predstavljao bi prelazak sa detekcije uskog dela lica na detekciju šireg regiona zajedno sa spoljnim crtama lica, što bi se postiglo upotrebom drugačijeg seta pozitiva. Takođe, generisanje dodatnih jakih dodatno bi poboljšalo sposobnost da odbaci negative pa bi se, samim tim, za treniranje pojedinih jakih mogao dodatno podići TPR. I na kraju, oblast u kojoj je ostalo možda i najviše mesta za napredak predstavlja upravo način smanjivanja graničnih vrednosti pojedinih slabih pri promeni faktora prilagođenja jakog. Finijom preraspodelom ovih promena, ostvario bi se kontinuirani napredak u performansama jakog pri dodavanju novih slabih, što do sad nije bio slučaj. ZAHVALNICA Rad je realizovan kao završni projekat iz predmeta Kompjuterska vizija na 1. godini Master studija, kod docent dr Vladimira Crnojevića. Ovom prilikom, želeli bismo da se zahvalimo svim kolegama i prijateljima koji su nas nesebično podržali, dozvoljavajući nam da koristimo njihove personalne računare u svrhu treninga. LITERATURA [1] P. Viola and M. J. Jones, Robust Real-Time Face Detection, International Journal of Computer Vision 57 (2), [2] O. H. Jensen, Implementing the Viola-Jones Face Detection Algortihm, Technical University of Denmark, [3] G. B. Huang, M. Ramesh, T. Berg and E. Learned-Miller, Labeled Faces in the Wild: A Database for Studying Face Recognition in Unconstrained Environment, University of Massachusetts, Amherst, Technical Report 07 49, October [4] V. Jain and E. Learned-Mille, FDDB: A Benchmark for Face Detection in Unconstrained Settings, Technical Report UM-CS , Dept. of Computer Science, University of Massachusetts, Amherst [5] K. Sung, T. Poggio, H. Rowley, S. Baluja and T. Kanade, Combined test set A, B and C, MIT+CMU, ABSTRACT This paper describes a realization of a frontal face detector based on the Viola-Jones algorithm. Independently developed procedures are fully given whereas the algorithm itself is briefly described. Also, distributed realization of classifier training used for face detection is presented. Finally, this paper presents training results with possibilites of further improvement in face detection. REALIZATION OF FACE DETECTOR BASED ON THE VIOLA-JONES ALGORITHM Boško Mihić, Jelena Lozanov
Biznis scenario: sekcije pk * id_sekcije * naziv. projekti pk * id_projekta * naziv ꓳ profesor fk * id_sekcije
Biznis scenario: U školi postoje četiri sekcije sportska, dramska, likovna i novinarska. Svaka sekcija ima nekoliko aktuelnih projekata. Likovna ima četiri projekta. Za projekte Pikaso, Rubens i Rembrant
More informationSIMPLE PAST TENSE (prosto prošlo vreme) Građenje prostog prošlog vremena zavisi od toga da li je glagol koji ga gradi pravilan ili nepravilan.
SIMPLE PAST TENSE (prosto prošlo vreme) Građenje prostog prošlog vremena zavisi od toga da li je glagol koji ga gradi pravilan ili nepravilan. 1) Kod pravilnih glagola, prosto prošlo vreme se gradi tako
More informationPodešavanje za eduroam ios
Copyright by AMRES Ovo uputstvo se odnosi na Apple mobilne uređaje: ipad, iphone, ipod Touch. Konfiguracija podrazumeva podešavanja koja se vrše na računaru i podešavanja na mobilnom uređaju. Podešavanja
More informationGUI Layout Manager-i. Bojan Tomić Branislav Vidojević
GUI Layout Manager-i Bojan Tomić Branislav Vidojević Layout Manager-i ContentPane Centralni deo prozora Na njega se dodaju ostale komponente (dugmići, polja za unos...) To je objekat klase javax.swing.jpanel
More informationIZDAVANJE SERTIFIKATA NA WINDOWS 10 PLATFORMI
IZDAVANJE SERTIFIKATA NA WINDOWS 10 PLATFORMI Za pomoć oko izdavanja sertifikata na Windows 10 operativnom sistemu možete se obratiti na e-mejl adresu esupport@eurobank.rs ili pozivom na telefonski broj
More informationEduroam O Eduroam servisu edu roam Uputstvo za podešavanje Eduroam konekcije NAPOMENA: Microsoft Windows XP Change advanced settings
Eduroam O Eduroam servisu Eduroam - educational roaming je besplatan servis za pristup Internetu. Svojim korisnicima omogućava bezbedan, brz i jednostavan pristup Internetu širom sveta, bez potrebe za
More informationUlazne promenljive se nazivaju argumenti ili fiktivni parametri. Potprogram se poziva u okviru programa, kada se pri pozivu navode stvarni parametri.
Potprogrami su delovi programa. Često se delovi koda ponavljaju u okviru nekog programa. Logično je da se ta grupa komandi izdvoji u potprogram, i da se po želji poziva u okviru programa tamo gde je potrebno.
More informationAMRES eduroam update, CAT alat za kreiranje instalera za korisničke uređaje. Marko Eremija Sastanak administratora, Beograd,
AMRES eduroam update, CAT alat za kreiranje instalera za korisničke uređaje Marko Eremija Sastanak administratora, Beograd, 12.12.2013. Sadržaj eduroam - uvod AMRES eduroam statistika Novine u okviru eduroam
More informationUvod u relacione baze podataka
Uvod u relacione baze podataka 25. novembar 2011. godine 7. čas SQL skalarne funkcije, operatori ANY (SOME) i ALL 1. Za svakog studenta izdvojiti ime i prezime i broj različitih ispita koje je pao (ako
More informationKlasterizacija. NIKOLA MILIKIĆ URL:
Klasterizacija NIKOLA MILIKIĆ EMAIL: nikola.milikic@fon.bg.ac.rs URL: http://nikola.milikic.info Klasterizacija Klasterizacija (eng. Clustering) spada u grupu tehnika nenadgledanog učenja i omogućava grupisanje
More informationCJENIK APLIKACIJE CERAMIC PRO PROIZVODA STAKLO PLASTIKA AUTO LAK KOŽA I TEKSTIL ALU FELGE SVJETLA
KOŽA I TEKSTIL ALU FELGE CJENIK APLIKACIJE CERAMIC PRO PROIZVODA Radovi prije aplikacije: Prije nanošenja Ceramic Pro premaza površina vozila na koju se nanosi mora bi dovedena u korektno stanje. Proces
More informationSTABLA ODLUČIVANJA. Jelena Jovanovic. Web:
STABLA ODLUČIVANJA Jelena Jovanovic Email: jeljov@gmail.com Web: http://jelenajovanovic.net 2 Zahvalnica: Ovi slajdovi su bazirani na materijalima pripremljenim za kurs Applied Modern Statistical Learning
More informationPriprema podataka. NIKOLA MILIKIĆ URL:
Priprema podataka NIKOLA MILIKIĆ EMAIL: nikola.milikic@fon.bg.ac.rs URL: http://nikola.milikic.info Normalizacija Normalizacija je svođenje vrednosti na neki opseg (obično 0-1) FishersIrisDataset.arff
More informationKAPACITET USB GB. Laserska gravura. po jednoj strani. Digitalna štampa, pun kolor, po jednoj strani USB GB 8 GB 16 GB.
9.72 8.24 6.75 6.55 6.13 po 9.30 7.89 5.86 10.48 8.89 7.30 7.06 6.61 11.51 9.75 8.00 7.75 7.25 po 0.38 10.21 8.66 7.11 6.89 6.44 11.40 9.66 9.73 7.69 7.19 12.43 1 8.38 7.83 po 0.55 0.48 0.37 11.76 9.98
More informationBENCHMARKING HOSTELA
BENCHMARKING HOSTELA IZVJEŠTAJ ZA SVIBANJ. BENCHMARKING HOSTELA 1. DEFINIRANJE UZORKA Tablica 1. Struktura uzorka 1 BROJ HOSTELA BROJ KREVETA Ukupno 1016 643 1971 Regije Istra 2 227 Kvarner 4 5 245 991
More informationSTRUČNA PRAKSA B-PRO TEMA 13
MAŠINSKI FAKULTET U BEOGRADU Katedra za proizvodno mašinstvo STRUČNA PRAKSA B-PRO TEMA 13 MONTAŽA I SISTEM KVALITETA MONTAŽA Kratak opis montže i ispitivanja gotovog proizvoda. Dati izgled i sadržaj tehnološkog
More informationPort Community System
Port Community System Konferencija o jedinstvenom pomorskom sučelju i digitalizaciji u pomorskom prometu 17. Siječanj 2018. godine, Zagreb Darko Plećaš Voditelj Odsjeka IS-a 1 Sadržaj Razvoj lokalnog PCS
More informationTRAJANJE AKCIJE ILI PRETHODNOG ISTEKA ZALIHA ZELENI ALAT
TRAJANJE AKCIJE 16.01.2019-28.02.2019 ILI PRETHODNOG ISTEKA ZALIHA ZELENI ALAT Akcija sa poklonima Digitally signed by pki, pki, BOSCH, EMEA, BOSCH, EMEA, R, A, radivoje.stevanovic R, A, 2019.01.15 11:41:02
More informationBušilice nove generacije. ImpactDrill
NOVITET Bušilice nove generacije ImpactDrill Nove udarne bušilice od Bosch-a EasyImpact 550 EasyImpact 570 UniversalImpact 700 UniversalImpact 800 AdvancedImpact 900 Dostupna od 01.05.2017 2 Logika iza
More informationTRENING I RAZVOJ VEŽBE 4 JELENA ANĐELKOVIĆ LABROVIĆ
TRENING I RAZVOJ VEŽBE 4 JELENA ANĐELKOVIĆ LABROVIĆ DIZAJN TRENINGA Model trening procesa FAZA DIZAJNA CILJEVI TRENINGA Vrste ciljeva treninga 1. Ciljevi učesnika u treningu 2. Ciljevi učenja Opisuju željene
More information1. Instalacija programske podrške
U ovom dokumentu opisana je instalacija PBZ USB PKI uređaja na računala korisnika PBZCOM@NET internetskog bankarstva. Uputa je podijeljena na sljedeće cjeline: 1. Instalacija programske podrške 2. Promjena
More informationPROJEKTNI PRORAČUN 1
PROJEKTNI PRORAČUN 1 Programski period 2014. 2020. Kategorije troškova Pojednostavlj ene opcije troškova (flat rate, lump sum) Radni paketi Pripremni troškovi, troškovi zatvaranja projekta Stope financiranja
More informationTutorijal za Štefice za upload slika na forum.
Tutorijal za Štefice za upload slika na forum. Postoje dvije jednostavne metode za upload slika na forum. Prva metoda: Otvoriti nova tema ili odgovori ili citiraj već prema želji. U donjem dijelu obrasca
More informationOtpremanje video snimka na YouTube
Otpremanje video snimka na YouTube Korak br. 1 priprema snimka za otpremanje Da biste mogli da otpremite video snimak na YouTube, potrebno je da imate kreiran nalog na gmailu i da video snimak bude u nekom
More informationSAS On Demand. Video: Upute za registraciju:
SAS On Demand Video: http://www.sas.com/apps/webnet/video-sharing.html?bcid=3794695462001 Upute za registraciju: 1. Registracija na stranici: https://odamid.oda.sas.com/sasodaregistration/index.html U
More information1.7 Predstavljanje negativnih brojeva u binarnom sistemu
.7 Predstavljanje negativnih brojeva u binarnom sistemu U decimalnom brojnom sistemu pozitivni brojevi se predstavljaju znakom + napisanim ispred cifara koje definišu apsolutnu vrednost broja, odnosno
More informationStruktura indeksa: B-stablo. ls/swd/btree/btree.html
Struktura indeksa: B-stablo http://cis.stvincent.edu/html/tutoria ls/swd/btree/btree.html Uvod ISAM (Index-Sequential Access Method, IBM sredina 60-tih godina 20. veka) Nedostaci: sekvencijalno pretraživanje
More informationNejednakosti s faktorijelima
Osječki matematički list 7007, 8 87 8 Nejedakosti s faktorijelima Ilija Ilišević Sažetak Opisae su tehike kako se mogu dokazati ejedakosti koje sadrže faktorijele Spomeute tehike su ilustrirae a izu zaimljivih
More informationAdvertising on the Web
Advertising on the Web On-line algoritmi Off-line algoritam: ulazni podaci su dostupni na početku, algoritam može pristupati podacima u bilo kom redosljedu, na kraju se saopštava rezultat obrade On-line
More informationENR 1.4 OPIS I KLASIFIKACIJA VAZDUŠNOG PROSTORA U KOME SE PRUŽAJU ATS USLUGE ENR 1.4 ATS AIRSPACE CLASSIFICATION AND DESCRIPTION
VFR AIP Srbija / Crna Gora ENR 1.4 1 ENR 1.4 OPIS I KLASIFIKACIJA VAZDUŠNOG PROSTORA U KOME SE PRUŽAJU ATS USLUGE ENR 1.4 ATS AIRSPACE CLASSIFICATION AND DESCRIPTION 1. KLASIFIKACIJA VAZDUŠNOG PROSTORA
More informationCJENOVNIK KABLOVSKA TV DIGITALNA TV INTERNET USLUGE
CJENOVNIK KABLOVSKA TV Za zasnivanje pretplatničkog odnosa za korištenje usluga kablovske televizije potrebno je da je tehnički izvodljivo (mogude) priključenje na mrežu Kablovskih televizija HS i HKBnet
More information3D GRAFIKA I ANIMACIJA
1 3D GRAFIKA I ANIMACIJA Uvod u Flash CS3 Šta će se raditi? 2 Upoznavanje interfejsa Osnovne osobine Definisanje osnovnih entiteta Rad sa bojama Rad sa linijama Definisanje i podešavanje ispuna Pregled
More informationUNIVERZITET U BEOGRADU RUDARSKO GEOLOŠKI FAKULTET DEPARTMAN ZA HIDROGEOLOGIJU ZBORNIK RADOVA. ZLATIBOR maj godine
UNIVERZITETUBEOGRADU RUDARSKOGEOLOŠKIFAKULTET DEPARTMANZAHIDROGEOLOGIJU ZBORNIKRADOVA ZLATIBOR 1720.maj2012.godine XIVSRPSKISIMPOZIJUMOHIDROGEOLOGIJI ZBORNIKRADOVA IZDAVA: ZAIZDAVAA: TEHNIKIUREDNICI: TIRAŽ:
More informationStruktura i organizacija baza podataka
Fakultet tehničkih nauka, DRA, Novi Sad Predmet: Struktura i organizacija baza podataka Dr Slavica Aleksić, Milanka Bjelica, Nikola Obrenović Primer radnik({mbr, Ime, Prz, Sef, Plt, God, Pre}, {Mbr}),
More informationNIS PETROL. Uputstvo za deaktiviranje/aktiviranje stranice Veleprodajnog cenovnika na sajtu NIS Petrol-a
NIS PETROL Uputstvo za deaktiviranje/aktiviranje stranice Veleprodajnog cenovnika na sajtu NIS Petrol-a Beograd, 2018. Copyright Belit Sadržaj Disable... 2 Komentar na PHP kod... 4 Prava pristupa... 6
More informationINSTALIRANJE SOFTVERSKOG SISTEMA SURVEY
INSTALIRANJE SOFTVERSKOG SISTEMA SURVEY Softverski sistem Survey za geodeziju, digitalnu topografiju i projektovanje u niskogradnji instalira se na sledeći način: 1. Instalirati grafičko okruženje pod
More informationUpute za korištenje makronaredbi gml2dwg i gml2dgn
SVEUČILIŠTE U ZAGREBU - GEODETSKI FAKULTET UNIVERSITY OF ZAGREB - FACULTY OF GEODESY Zavod za primijenjenu geodeziju; Katedra za upravljanje prostornim informacijama Institute of Applied Geodesy; Chair
More informationMogudnosti za prilagođavanje
Mogudnosti za prilagođavanje Shaun Martin World Wildlife Fund, Inc. 2012 All rights reserved. Mogudnosti za prilagođavanje Za koje ste primere aktivnosti prilagođavanja čuli, pročitali, ili iskusili? Mogudnosti
More informationza STB GO4TV in alliance with GSS media
za STB Dugme za uključivanje i isključivanje STB uređaja Browser Glavni meni Osnovni meni Vrsta liste kanala / omiljeni kanali / kraći meni / organizacija kanala / ponovno pokretanje uređaja / ponovno
More informationWindows Easy Transfer
čet, 2014-04-17 12:21 - Goran Šljivić U članku o skorom isteku Windows XP podrške [1] koja prestaje 8. travnja 2014. spomenuli smo PCmover Express i PCmover Professional kao rješenja za preseljenje korisničkih
More informationPOSEBNA POGLAVLJA INDUSTRIJSKOG TRANSPORTA I SKLADIŠNIH SISTEMA
Master akademske studije Modul za logistiku 1 (MLO1) POSEBNA POGLAVLJA INDUSTRIJSKOG TRANSPORTA I SKLADIŠNIH SISTEMA angažovani su: 1. Prof. dr Momčilo Miljuš, dipl.inž., kab 303, mmiljus@sf.bg.ac.rs,
More informationMRS. MRSLab03 Metodologija Razvoja Softvera Vežba 03 LAB Dijagram aktivnosti
MRS LAB 03 MRSLab03 Metodologija Razvoja Softvera Vežba 03 Dijagrami aktivnosti 1. Dijagram aktivnosti Dijagram aktivnosti je UML dijagram koji modeluje dinamičke aspekte sistema. On predstavlja pojednostavljenje
More informationOffice 365, upute za korištenje elektroničke pošte
Office 365, upute za korištenje elektroničke pošte Naša ustanova koristi uslugu elektroničke pošte u oblaku, u sklopu usluge Office 365. To znači da elektronička pošta više nije pohranjena na našem serveru
More informationAutomatske Maske za zavarivanje. Stella, black carbon. chain and skull. clown. blue carbon
Automatske Maske za zavarivanje Stella Podešavanje DIN: 9-13 Brzina senzora: 1/30.000s Vidno polje : 98x55mm Četiri optička senzora Napajanje : Solarne ćelije + dve litijumske neizmenjive baterije. Vek
More information- Vežba 1 (dodatan materijal) - Kreiranje Web šablona (template) pomoću softvera Adobe Photoshop CS
- Vežba 1 (dodatan materijal) - Kreiranje Web šablona (template) pomoću softvera Adobe Photoshop CS 1. Pokrenite Adobe Photoshop CS i otvorite novi dokument sa komandom File / New 2. Otvoriće se dijalog
More informationUniverzitet u Novom Sadu. Fakultet tehničkih nauka. Odsek za računarsku tehniku i računarske komunikacije. Uvod u GIT
Univerzitet u Novom Sadu Fakultet tehničkih nauka Odsek za računarsku tehniku i računarske komunikacije Uvod u GIT Šta je git? Sistem za verzionisanje softvera kao i CVS, SVN, Perforce ili ClearCase Orginalno
More informationIdejno rješenje: Dubrovnik Vizualni identitet kandidature Dubrovnika za Europsku prijestolnicu kulture 2020.
Idejno rješenje: Dubrovnik 2020. Vizualni identitet kandidature Dubrovnika za Europsku prijestolnicu kulture 2020. vizualni identitet kandidature dubrovnika za europsku prijestolnicu kulture 2020. visual
More informationVrednovanje postupka semantičke segmentacije temeljenog na slučajnim šumama
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA ZAVRŠNI RAD br. 3943 Vrednovanje postupka semantičke segmentacije temeljenog na slučajnim šumama Ivan Fabijanić Zagreb, lipanj 2015. Velika
More informationNAUČ NI Č LANCI POREĐENJE SNAGE ZA JEDNU I DVE KONTRAROTIRAJUĆE HIDRO TURBINE U VENTURIJEVOJ CEVI DRUGI DEO
NAUČ NI Č LANCI POREĐENJE SNAGE ZA JEDNU I DVE KONTRAROTIRAJUĆE HIDRO TURBINE U VENTURIJEVOJ CEVI DRUGI DEO Kozić S. Mirko, Vojnotehnički institut Sektor za vazduhoplove, Beograd Sažetak: U prvom delu
More informationСТРУКТУРА СТАНДАРДА СИСТЕМАМЕНАЏМЕНТАКВАЛИТЕТОМ
1 СТРУКТУРА СТАНДАРДА СИСТЕМАМЕНАЏМЕНТАКВАЛИТЕТОМ 2 ПРИНЦИПИ МЕНАЏМЕНТА КВАЛИТЕТОМ 3 ПРИНЦИПИ МЕНАЏМЕНТА КВАЛИТЕТОМ 4 ПРИНЦИПИ МЕНАЏМЕНТА КВАЛИТЕТОМ Edwards Deming Не морате то чинити, преживљавање фирми
More informationDEFINISANJE TURISTIČKE TRAŽNJE
DEFINISANJE TURISTIČKE TRAŽNJE Tražnja se može definisati kao spremnost kupaca da pri različitom nivou cena kupuju različite količine jedne robe na određenom tržištu i u određenom vremenu (Veselinović
More informationIMPLEMENTACIJA TEHNIKA ZA POVEĆANJE BROJA PODRŽANIH KONKURENTNIH KORISNIKA VEB SAJTA
ELEKTROTEHNIČKI FAKULTET UNIVERZITETA U BEOGRADU IMPLEMENTACIJA TEHNIKA ZA POVEĆANJE BROJA PODRŽANIH KONKURENTNIH KORISNIKA VEB SAJTA Master rad Kandidat: Janko Sokolović 2012/3142 Mentor: doc. dr Zoran
More informationJEDINSTVENI PORTAL POREZNE UPRAVE. Priručnik za instalaciju Google Chrome dodatka. (Opera preglednik)
JEDINSTVENI PORTAL POREZNE UPRAVE Priručnik za instalaciju Google Chrome dodatka (Opera preglednik) V1 OPERA PREGLEDNIK Opera preglednik s verzijom 32 na dalje ima tehnološke promjene zbog kojih nije moguće
More informationRANI BOOKING TURSKA LJETO 2017
PUTNIČKA AGENCIJA FIBULA AIR TRAVEL AGENCY D.O.O. UL. FERHADIJA 24; 71000 SARAJEVO; BIH TEL:033/232523; 033/570700; E-MAIL: INFO@FIBULA.BA; FIBULA@BIH.NET.BA; WEB: WWW.FIBULA.BA SUDSKI REGISTAR: UF/I-1769/02,
More informationTema 2: Uvod u sisteme za podršku odlučivanju (VEŽBE)
Tema 2: Uvod u sisteme za podršku odlučivanju (VEŽBE) SISTEMI ZA PODRŠKU ODLUČIVANJU dr Vladislav Miškovic vmiskovic@singidunum.ac.rs Fakultet za računarstvo i informatiku 2013/2014 Tema 2: Uvod u sisteme
More informationKONFIGURACIJA MODEMA. ZyXEL Prestige 660RU
KONFIGURACIJA MODEMA ZyXEL Prestige 660RU Sadržaj Funkcionalnost lampica... 3 Priključci na stražnjoj strani modema... 4 Proces konfiguracije... 5 Vraćanje modema na tvorničke postavke... 5 Konfiguracija
More informationPravljenje Screenshota. 1. Korak
Prvo i osnovno, da biste uspesno odradili ovaj tutorijal, morate imati instaliran GOM Player. Instalacija je vrlo jednostavna, i ovaj player u sebi sadrzi sve neophodne kodeke za pustanje video zapisa,
More informationMašinsko učenje Uvod. Bojan Furlan УНИВЕРЗИТЕТ У БЕОГРАДУ ЕЛЕКТРОТЕХНИЧКИ ФАКУЛТЕТ
Mašinsko učenje Uvod Bojan Furlan УНИВЕРЗИТЕТ У БЕОГРАДУ ЕЛЕКТРОТЕХНИЧКИ ФАКУЛТЕТ Šta je to mašinsko učenje? Disciplina koja omogućava računarima da uče bez eksplicitnog programiranja (Arthur Samuel 1959).
More informationWELLNESS & SPA YOUR SERENITY IS OUR PRIORITY. VAŠ MIR JE NAŠ PRIORITET!
WELLNESS & SPA YOUR SERENITY IS OUR PRIORITY. VAŠ MIR JE NAŠ PRIORITET! WELLNESS & SPA DNEVNA KARTA DAILY TICKET 35 BAM / 3h / person RADNO VRIJEME OPENING HOURS 08:00-21:00 Besplatno za djecu do 6 godina
More informationWWF. Jahorina
WWF For an introduction Jahorina 23.2.2009 What WWF is World Wide Fund for Nature (formerly World Wildlife Fund) In the US still World Wildlife Fund The World s leading independent conservation organisation
More informationUpotreba selektora. June 04
Upotreba selektora programa KRONOS 1 Kronos sistem - razina 1 Podešavanje vremena LAMPEGGIANTI 1. Kada je pećnica uključena prvi put, ili u slučaju kvara ili prekida u napajanju, simbol SATA i odgovarajuća
More informationTHE PERFORMANCE OF THE SERBIAN HOTEL INDUSTRY
SINGIDUNUM JOURNAL 2013, 10 (2): 24-31 ISSN 2217-8090 UDK 005.51/.52:640.412 DOI: 10.5937/sjas10-4481 Review paper/pregledni naučni rad THE PERFORMANCE OF THE SERBIAN HOTEL INDUSTRY Saša I. Mašić 1,* 1
More informationKABUPLAST, AGROPLAST, AGROSIL 2500
KABUPLAST, AGROPLAST, AGROSIL 2500 kabuplast - dvoslojne rebraste cijevi iz polietilena visoke gustoće (PEHD) za kabelsku zaštitu - proizvedene u skladu sa ÖVE/ÖNORM EN 61386-24:2011 - stijenka izvana
More informationPROFOMETER 5+ lokator armature
PROFOMETER 5+ lokator armature Instrument za testiranje betona 5. generacije Melco Buda d.o.o. - kancelarija u Beogradu: Hadži Nikole Živkovića br.2 Poslovna zgrada Iskra komerc, kancelarija 15/ II sprat
More informationSustav za gusto označavanje prometnih znakova u video sekvencama
MSVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA DIPLOMSKI RAD br. 1500 Sustav za gusto označavanje prometnih znakova u video sekvencama Martin Morava Zagreb, srpanj 2010 Zahvaljujem se svojem
More informationProgramiranje za internet zimski semestar 2013/2014. Java kroz primjere (skripta je u fazi izradi)
Programiranje za internet zimski semestar 2013/2014 Java kroz primjere (skripta je u fazi izradi) Zadatak broj 1 Nacrtati kocku. (Zanimljiv teži problem za razmišljanje: Nacrtat kocku čije će dimenzije
More informationAplikacija za podršku transferu tehnologija
Aplikacija za podršku transferu tehnologija uputstvo za instalaciju i administraciju sistema Doc. dr Vladimir Ćirić dipl. inž. Darko Tasić septembar 2012. 2 Sadržaj Uputstvo za instalaciju i administraciju
More informationTEHNIČKO (TEHNOLOŠKO) OBRAZOVANJE U SRBIJI
TEHNIČKO (TEHNOLOŠKO) OBRAZOVANJE U SRBIJI Konferencija 32000 Čačak 13-16. April 2006. UDK: 621.398 Stručni rad IZBOR KABLIRANJA AUDIO VIDEO SISTEMA Vladimir Mladenović 1, Uroš Jakšić 2 Rezime: Na pojedinim
More informationANALIZA PRIMJENE KOGENERACIJE SA ORGANSKIM RANKINOVIM CIKLUSOM NA BIOMASU U BOLNICAMA
ANALIZA PRIMJENE KOGENERACIJE SA ORGANSKIM RANKINOVIM CIKLUSOM NA BIOMASU U BOLNICAMA Nihad HARBAŠ Samra PRAŠOVIĆ Azrudin HUSIKA Sadržaj ENERGIJSKI BILANSI DIMENZIONISANJE POSTROJENJA (ORC + VRŠNI KOTLOVI)
More informationPLAN RADA. 1. Počnimo sa primerom! 2. Kako i zašto? 3. Pejzaž višestruke upotrebe softvera 4. Frameworks 5. Proizvodne linije softvera 6.
KOREKTAN PREVOD? - Reupotrebljiv softver? ( ne postoji prefiks RE u srpskom jeziku ) - Ponovo upotrebljiv softver? ( totalno bezveze ) - Upotrebljiv više puta? - Itd. PLAN RADA 1. Počnimo sa primerom!
More information1. MODEL (Ulaz / Zadržavanje / Stanje)
1. MODEL (Ulaz / Zadržavanje / Stanje) Potrebno je kreirati model koji će preslikavati sledeći realan sistem: Svaki dan dolazi određen broj paleta u skladište Broj paleta na nivou dana se može opisati
More informationKatzeView Uputstvo. verzija Novi Sad Josifa Marinkovića 44. Tel: +381 (0) Fax: +381 (0) Mob: +381 (0)
KatzeView Uputstvo verzija 3.2.2 21000 Novi Sad Josifa Marinkovića 44 Tel: +381 (0)21 443-265 Fax: +381 (0)21 443-516 Mob: +381 (0)63 513-741 http://www.cardware.co.yu info@cardware.co.yu Sadržaj: 1 Sistemski
More informationDETEKCIJA OSOBA U SLIKAMA
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA ZAVRŠNI RAD br. 173 DETEKCIJA OSOBA U SLIKAMA Davor Sutić Zagreb, lipanj 2008. Sadržaj 1 Uvod... 1 1.1 Detekcija pješaka u prometu... 2 1.2
More information1.UVOD. Ključne reči: upotrebljivost, praćenje, korisnički interfejs, aplikacija
EVALUACIJA UPOTREBLJIVOSTI KORISNIČKOG INTERFEJSA VEB APLIKACIJA UZ POMOĆ METODA ZA AUTOMATSKO PRIKUPLJANJE PODATAKA O KORIŠĆENJU EVALUATION USABILITY OF USER INTERFACE WEB APPLICATIONS BY METHODS FOR
More informationTestiranje koda - JUnit. Bojan Tomić
Testiranje koda - JUnit Bojan Tomić Testiranje programa Dinamička provera ponašanja programa izvođenjem konačnog broja testova i upoređivanjem sa očekivanim ponašanjem programa Programska mana ( software
More informationProgramiranje. Nastava: prof.dr.sc. Dražena Gašpar. Datum:
Programiranje Nastava: prof.dr.sc. Dražena Gašpar Datum: 21.03.2017. 1 Pripremiti za sljedeće predavanje Sljedeće predavanje: 21.03.2017. Napraviti program koji koristi sve tipove podataka, osnovne operatore
More informationTEHNIĈKO VELEUĈILIŠTE U ZAGREBU ELEKTROTEHNIĈKI ODJEL Prof.dr.sc.KREŠIMIR MEŠTROVIĆ POUZDANOST VISOKONAPONSKIH PREKIDAĈA
TEHNIĈKO VELEUĈILIŠTE U ZAGREBU ELEKTROTEHNIĈKI ODJEL Prof.dr.sc.KREŠIMIR MEŠTROVIĆ POUZDANOST VISOKONAPONSKIH PREKIDAĈA SF6 PREKIDAĈ 420 kv PREKIDNA KOMORA POTPORNI IZOLATORI POGONSKI MEHANIZAM UPRAVLJAĈKI
More informationBabylon - instalacija,aktivacija i rad sa njim
Babylon - instalacija,aktivacija i rad sa njim Babilon je vodeći svetski prevodilac brzog online i offline rečnika sa prevođenjem u preko 75 jezika jednim jednostavnim klikom misa i koriste ga miloni privatnih
More informationPROGRAMSKI JEZIK VISUAL BASIC ZBIRKA ZADATAKA
Dr Srđan Damjanović Dr Predrag Katanić PROGRAMSKI JEZIK VISUAL BASIC ZBIRKA ZADATAKA FAKULTET POSLOVNE EKONOMIJE BIJELJINA, 2014. Recenzenti: Prof. dr Rade Stankić Prof. dr Slobodan Obradović Izdaje: FAKULTET
More informationFAKULTET ZA POSLOVNU INFORMATIKU
FAKULTET ZA POSLOVNU INFORMATIKU Prof. dr Mladen Veinović Igor Franc Aleksandar Jevremović BAZE PODATAKA - PRAKTIKUM - Prvo izdanje Beograd 2006. Autori: Prof. dr Mladen Veinović Igor Franc Aleksandar
More informationSTATISTIKA U OBLASTI KULTURE U BOSNI I HERCEGOVINI
Bosna i Hercegovina Agencija za statistiku Bosne i Hercegovine Bosnia and Herzegovina Agency for Statistics of Bosnia and Herzegovina STATISTIKA U OBLASTI KULTURE U BOSNI I HERCEGOVINI Jahorina, 05.07.2011
More informationModelling Transport Demands in Maritime Passenger Traffic Modeliranje potražnje prijevoza u putničkom pomorskom prometu
Modelling Transport Demands in Maritime Passenger Traffic Modeliranje potražnje prijevoza u putničkom pomorskom prometu Drago Pupavac Polytehnic of Rijeka Rijeka e-mail: drago.pupavac@veleri.hr Veljko
More information2. poglavlje - IDENTIFIKACIJA POTROŠAČA - od 62 do 80 strane (19 strana)
Analizirana poglavlja Šapićeve disertacije Broj redova u radu Izvor preuzimanja Broj preuzetih redova 2. poglavlje - IDENTIFIKACIJA POTROŠAČA - od 62 do 80 strane (19 strana) 1. 62 strana 31 2. 63 strana
More informationKAKO GA TVORIMO? Tvorimo ga tako, da glagol postavimo v preteklik (past simple): 1. GLAGOL BITI - WAS / WERE TRDILNA OBLIKA:
Past simple uporabljamo, ko želimo opisati dogodke, ki so se zgodili v preteklosti. Dogodki so se zaključili v preteklosti in nič več ne trajajo. Dogodki so se zgodili enkrat in se ne ponavljajo, čas dogodkov
More informationmdita Editor - Korisničko uputstvo -
mdita Editor - Korisničko uputstvo - Sadržaj 1. Minimalna specifikacija računara... 3 2. Uputstvo za instalaciju aplikacije... 3 3. Korisničko uputstvo... 11 3.1 Odabir File opcije iz menija... 11 3.2
More informationCRNA GORA
HOTEL PARK 4* POLOŽAJ: uz more u Boki kotorskoj, 12 km od Herceg-Novog. SADRŽAJI: 252 sobe, recepcija, bar, restoran, besplatno parkiralište, unutarnji i vanjski bazen s terasom za sunčanje, fitnes i SPA
More informationMRS MRSLab09 Metodologija Razvoja Softvera Vežba 09
MRS MRSLab09 Metodologija Razvoja Softvera Vežba 09 LAB 09 Fizički model podatka 1. Fizički model podataka Fizički model podataka omogućava da se definiše struktura baze podataka sa stanovišta fizičke
More informationEkonomija. teorija i praksa. Economics. Theory and Practice. FAKULTET ZA EKONOMIJU I INŽENJERSKI MENADŽMENT u novom sadu UDK: 33 ISSN
UDK: 33 ISSN 2217 5458 FAKULTET ZA EKONOMIJU I INŽENJERSKI MENADŽMENT u novom sadu Ekonomija teorija i praksa Economics Theory and Practice GODINA VI BROJ IV NOVI SAD, 2013. Economics Theory and Practice
More informationPrimena tehnika veštačke inteligencije u prepoznavanju oblika na slikama
Univerzitet UNION u Beogradu Računarski fakultet Nikola Todorović Primena tehnika veštačke inteligencije u prepoznavanju oblika na slikama Diplomski rad Beograd, 2007. godine Računarski fakultet u Beogradu
More informationPRIMENA OLAP KOCKE ZA ANALIZU PERFORMANSI NEUSAGLAŠENOSTI APPLICATION OF THE OLAP CUBE IN THE ANALYSIS OF THE ANTICOINCIDENCE PERFORMANCE
PRIMENA OLAP KOCKE ZA ANALIZU PERFORMANSI NEUSAGLAŠENOSTI APPLICATION OF THE OLAP CUBE IN THE ANALYSIS OF THE ANTICOINCIDENCE PERFORMANCE Nataša Gojgić 1, Alempije Veljović 2, Marija Nikolić 1, Vladimir
More informationPronalaženje mikrotubula u trodimenzionalnim mikroskopskim slikama
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA ZAVRŠNI RAD br. 5122 Pronalaženje mikrotubula u trodimenzionalnim mikroskopskim slikama Pero Skoko Zagreb, srpanj 2017. i iii SADRŽAJ 1. Uvod
More informationImplementacija sparsnih matrica upotrebom listi u programskom jeziku C
INFOTEH-JAHORINA Vol. 10, Ref. E-I-15, p. 461-465, March 2011. Implementacija sparsnih matrica upotrebom listi u programskom jeziku C Đulaga Hadžić, Ministarstvo obrazovanja, nauke, kulture i sporta Tuzlanskog
More informationTEHNO SISTEM d.o.o. PRODUCT CATALOGUE KATALOG PROIZVODA TOPLOSKUPLJAJUĆI KABLOVSKI PRIBOR HEAT-SHRINKABLE CABLE ACCESSORIES
TOPOSKUPJAJUĆI KABOVSKI PRIBOR HEAT-SHRINKABE CABE ACCESSORIES KATAOG PROIZVODA PRODUCT CATAOGUE 8 TEHNO SISTEM d.o.o. NISKONAPONSKI TOPOSKUPJAJUĆI KABOVSKI PRIBOR TOPOSKUPJAJUĆE KABOVSKE SPOJNICE kv OW
More informationJavaScript podrska u radu sa greskama
JavaScript podrska u radu sa greskama Svaki od pregledaca ima svoj podrazumevani naci reagovanja na greske, Firefox i Chrome upisuju greske u log datoteku, dok recimo Internet Explorer i Opera generisu
More informationTEHNOLOGIJA, INFORMATIKA I OBRAZOVANJE ZA DRUŠTVO UČENJA I ZNANJA 6. Međunarodni Simpozijum, Tehnički fakultet Čačak, 3 5. jun 2011.
TEHNOLOGIJA, INFORMATIKA I OBRAZOVANJE ZA DRUŠTVO UČENJA I ZNANJA 6. Međunarodni Simpozijum, Tehnički fakultet Čačak, 3 5. jun 2011. TECHNOLOGY, INFORMATICS AND EDUCATION FOR LEARNING AND KNOWLEDGE SOCIETY
More informationPermanent Expert Group for Navigation
ISRBC E Permanent Expert Group for Navigation Doc Nr: 2-16-2/12-2-PEG NAV October 19, 2016 Original: ENGLISH INTERNATIONAL SAVA RIVER BASIN COMMISSION PERMANENT EXPERT GROUP FOR NAVIGATION REPORT OF THE
More informationCILJ UEFA PRO EDUKACIJE
CILJ UEFA PRO EDUKACIJE Ciljevi programa UEFA PRO M s - Omogućiti trenerima potrebnu edukaciju, kako bi mogli uspešno raditi na PRO nivou. - Utvrdjenim programskim sadržajem, omogućiti im kredibilitet.
More information- Vežba 2 - OPTIMIZACIJA GRAFIKE ZA WEB UPOTREBA ALATKE SLICE TOOL IZRADA WEB GALERIJE
- Vežba 2 - OPTIMIZACIJA GRAFIKE ZA WEB UPOTREBA ALATKE SLICE TOOL IZRADA WEB GALERIJE OPTIMIZACIJA GRAFIKE ZA WEB Upotreba slika za dizajn web sajta je uobičajena praksa. Pomoću slika definišemo izgled
More informationPokretanje izvršnog fajla
Pokretanje izvršnog fajla Eksterne komande koje smo do sada prešli na predavanjima su tipično bile smeštene u /bin ili /sbin direktorijumu Aktivirali smo komande jednostavnim kucanjem naziva komande, a
More informationCiljevi. Poslije kompletiranja ove lekcije trebalo bi se moći:
Pogledi Ciljevi Poslije kompletiranja ove lekcije trebalo bi se moći: Opisati pogled Formirati novi pogled Vratiti podatke putem pogleda Izmijeniti postojeći pogled Insertovani, ažurirati i brisati podatke
More information