Naše raziskave na področju biometrije objave, katerih rezultate smo jih najprej objavili v obliki referata na konferenci ERK 2018 [COBISS-ID: 12212564], nato pa še v obliki razširjenega članka v reviji IEEE Transactions on Image Processing (IEEE TIP, IF: 6,079), so privedle do novega načina za izboljšanje ločljivosti slik obrazov z uporabo postopkov umetne inteligence. Razviti postopek je uporaben v realnih sistemih za analizo slik obrazov, kjer se pogosto srečujemo s podatki nizke resolucije, v aplikacijah za obdelavo slik, mobilnih telefonih, zabavni industriji in na drugih sorodnih področjih, kjer je ločljivost slik lahko problematična. Postopek, ki je nastal v okviru doktorskih raziskav mladega raziskovalca Klemna Grma, je v letu 2019 prejel nagrado Max Snijder, ki jo vsako leto podeljuje Evropsko združenje za biometrijo (European Association for Biometrics - EAB), za najodmevnejše raziskave, izveden v okviru doktorskega študija, na širem področju biometrije v Evropi. Odličnost dosežka je prepoznala tudi Univerza v Ljubljani (UL), ki je delo uvrstilo med 10 najodoličnejših raziskovalnih dosežkov UL v letu 2019. Omeniti velja, da je že predhodnik članka v IEEE TIP - prispevek iz konference ERK - prejel nagrado za najboljši prispevek sekcije PR (Pattern Recognition) v letu 2018. Nagrado vsako leto podeljuje Slovensko Društvo za Razpoznavanje Vzorcev (SDRV) Na podlagi dela, smo izvedli tudi več vabljenih in gostujočih predavanj, kot je na primer vabljeno predavanje na Univerzi v Hertfordshire v Veliki Britaniji [COBISS-ID 12355924]. O naših raziskavah na tem področju je poročal tudi slovenski časopis Delo v prispevku s februarja 2020 z naslovom “Do razločne slike z digitalnim haluciniranjem” ter novičarski časopis IEEE Biometrics Council Newsletter, ki raziskovalni srenji podaja informacije o zadnjih svetovnih dosežkih na področju biometrije (https://ieee-biometrics.org/images/pdf/Vol32-Newsletter.pdf). Prispevek o našem postopku je bil vključen tudi v oddajo “Ugriznimo znanost” na RTV SLO1 [COBISS.SI-ID 12294996].
E.02 Mednarodne nagrade
COBISS.SI-ID: 12800852Konvolucijske nevronske mreže (CNN) predstavljajo najnaprednejše obstoječe algoritme na področju razpoznavanja obrazov. Trenutno se precej napora vlaga v izboljšanje delovanja mrež, raziskave, ki bi se ukvarjale s sistematično analizo delovanja nevronskih mrež ter študijem njihovih prednosti in slabosti pa so še zmeraj razmeroma redke. V tem članku zato raziščemo vpliv različnih dejavnikov na učinkovitost delovanja nevronskih mrež na problemu verifikacije obrazov, pri čemer za poizkuse uporabimo podatkovno zbirko LFW. Pri analizi raziščemo tako vpliv kakovosti vhodnih podatkov, kot tudi karakteristik uporabljenih modelov, za teste pa uporabimo več CNN modelov. Na podlagi analize identificiramo glavne dejavnike, ki vplivajo na učinkovitost delovanja nevronskih mrež in predstavimo ključne smernice raziskovanje za prihodnost. Rezultati analize kažejo, da visoka stopnja šuma, glajenja, manjkajočih slikovnih elementov in prenasičenost slik izjemno poslabšajo delovanje nevronskih mrež, medtem ko spremembe v kontrastu in učinki kompresije nimajo večjega učinka. Ugotovimo tudi, da strategija izračuna deskriptorjev in barvna informacija zanemarljivo vplivata na uspešnost razpoznavanja. Članek je leta 2019 prejel nagrado IET Premium award za najboljši članek, objavljen v reviji IET Biometrics (SCI IF 2018: 2,093) v zadnjih dveh letih. Članek je bil hkrati tudi najbolj citiran in najpogosteje prenesen članek revije IET Biometrics med vsemi članki, ki so bili objavljeni v letih 2017 in 2018, kljub dejstvu, da je bil objavljen šele v letu 2018 - drugi članki v izboru so bili tudi že leto starejši.
E.02 Mednarodne nagrade
COBISS.SI-ID: 11838804Članica programske skupine Melita Hajdinjak je v januarju 2020 (so)organizirala delavnico za vzgojitelje in učitelje na temo prikazov v naravoslovju in matematiki. V projektu NA-MA POTI je kot eden izmed temeljnih gradnikov naravoslovne pismenosti izpostavljena sposobnost, da posameznik prepozna, razloži in ovrednoti razlago naravnih in tehnoloških pojavov, procesov, zakonitosti in njihovo povezanost/soodvisnost v sistemih. Delavnica se osredotoča na razlage z ustreznimi prikazi (tekstovne, tabelarne, grafične) v različnih starostnih oz. vzgojno-izobraževalnih obdobjih od predšolske vzgoje v vrtcih do srednješolskega izobraževanja v splošnih in strokovnih gimnazijah.
F.18 Posredovanje novih znanj neposrednim uporabnikom (seminarji, forumi, konference)
Član programske skupine, Janez Žibert iz ZF UL, se je v okviru svojih raziskav ukvarjal z razvojem in izvedbo matematičnih epidemioloških modelov SIR/SEIR za napovedovanje in simulacijo projekcij razvoja epidemije virusa COVID19 v Sloveniji. Izveden je bil model za spremljanje in napovedovanje poteka virusa COVID19 v Sloveniji, ki ga med drugim uporablja tudi strokovna skupina pri Ministrstvu za zdravje pod vodstvom dr. Bojane Beović. Dostop do simulacij za spremljanje dinamike širjenja, je na voljo na spletni strani Simulacija širjenja COVID-19 [https://apps.lusy.fri.uni-lj.si/appsR/CoronaSim5/]. Dostop do zadnjih izračunanih modelov pa je na povezavah CoronaSim [https://apps.lusy.fri.uni-lj.si/appsR/CoronaSim/] in CoronaSim2 [https://apps.lusy.fri.uni-lj.si/appsR/CoronaSim2/].
F.08 Razvoj in izdelava prototipa
COBISS.SI-ID: 16021763