Využití klasického strojového učení k rozpoznávání barev

Jakub DVOŘÁK

Bakalářská práce

Differentiation of colours using classical machine learning

Anotace:

Strojové učení má široké spektrum uplatnění a jedním z nich je rozpoznávání malířských barev. To je velmi užitečné například v identifikaci díla, jeho zařazení do konkrétního období nebo ke konkrétnímu umělci. V této bakalářské práci je prezentována funkční fyzikální metoda, která dokáže s vysokou přesností rozlišit od sebe okem dost těžko rozlišitelné barevné pigmenty v uměleckých obrazech. Předností je její neinvazivnost tedy, že dílo nijak nepoškozuje. Metoda je založena na použití dvou předsazených filtrů, které propouští světlo pouze určitého spektra, před objektivem fotoaparátu, jímž jsou pořizovány dva snímky. Hodnoty RGB z obou snímků slouží jako vstupní parametry strojového učení algoritmu, s jehož pomocí lze následně pigmenty rozlišovat.

Abstract:

Machine learning has a wide range of application and one of them is paint color recognition. It is very useful for example for work of art identification, inclusion in a specific period or assignment to a specific artist. In this bachelor thesis, there is presented a physical method, which can discriminate virtually indistinguishable color pigments in art paintings very precisely. The advantage of this method is non-invasiveness, so it causes no damage to the work of art. The method is based on usage of two spectral filters. These filters transmit light of some part of the spectrum only. The filters are placed in front of a camera lens. Two photos are taken with this camera. RGB values from both photos are used as input parameters for a machine learning algorithm, which can distinguish color pigments.

Klíčová slova

barvy, rozeznávání barevných pigmentů, strojové učení

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 10. 8. 2021

Obhajoba závěrečné práce

• Vedoucí: Mgr. Kateřina Jiráková

UNIVERZITA PALACKÉHO V OLOMOUCI

Přírodovědecká fakulta

Bakalářský studijní program / obor:
Fyzika / Nanotechnologie