Národní úložiště šedé literatury Nalezeno 132 záznamů.  1 - 10dalšíkonec  přejít na záznam: Hledání trvalo 0.00 vteřin. 
Hra využívající projekce na dotykový stůl
Kovaľan, Patrik ; Hradiš, Michal (oponent) ; Kapinus, Michal (vedoucí práce)
Táto práca je o využití interaktívneho stola ARTable pre hranie kartovej hry Poker. Výsledkom práce je aplikácia, ktorá je premietaná na plochu stolu a ovládaná pomocou dotykovej plochy. Medzi komponenty tohto systému patri aj robotická ruka , kamera, dotykova plocha a projektor. Robotická ruka je zodpovedná za premiestňovanie kariet. Kamera karty skenuje a zobrazuje na hraciu plochu. Aplikácia slúži na prepojenie digitálneho a reálneho sveta. 
Metody pro převod barevných videosekvencí na černobílé
Března, Filip ; Hradiš, Michal (oponent) ; Čadík, Martin (vedoucí práce)
Převod barevného obrazu na stupně šedi je stále aktuálním tématem a nachází uplatnění v několika oblastech, mezi které patří nejen umělecké fotografování, ale především nebarevný tisk a usnadnění některých operací při zpracování obrazu. Tato bakalářská práce se zabývá právě tímto převodem, který se nazývá dekolorizace, a to se zaměřením na videosekvence. Je zde vysvětlen základní princip reprezentace digitálního snímku a operace pro jeho zpracování využité v další části práce. Poté jsou zde také analyzovány typy metod, které se pro převod na stupně šedi používají a dále jsou rozebrány jejich vlastnosti i úspěšnost jejich použití. V druhé části práce jsou popsány tří vybrané implementované dekolorizační metody a souhrn jejich dosažených výsledků, jež je následně doprovázen zhodnocením praktické použitelnosti v oblasti převodu barevných videosekvencí na videosekvence ve stupních šedi.
Hraní her pomocí neuronových sítí
Buchal, Petr ; Kolář, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
Cílem této práce je naučit neuronovou síť pohybu v prostředích s klasickou kontrolou řízení, hraní tahové hry 2048 a několika Atari her. Jedná se o oblast zpětnovazebního učení. Jako zpětnovazební algoritmus využívající neuronové sítě jsem použil Hluboké Q-učení. Ten jsem pro zvýšení efektivity učení obohatil o několik vylepšení. Mezi vylepšení patří přidání cílové sítě, DDQN, duální architektura neuronové sítě a prioritní vzpomínková paměť. Experimenty s klasickou kontrolou řízení zjistily, že nejvíce zvedá efektivitu učení přidání cílové sítě. V prostředích her dosáhlo Hluboké Q-učení několikanásobně lepších výsledků než náhodný hráč. Výsledky a jejich analýza mohou být využity ke vhledu do problematiky zpětnovazebních algoritmů využívajících neuronové sítě a zdokonalení použitých postupů.
Hluboké neuronové sítě pro rozpoznání tváří ve videu
Jeřábek, Vladimír ; Sochor, Jakub (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce se zabývá rozpoznáváním tváří ve videu pomocí neuronových sítí. Na začátku je popsán výběr a ověření konvolučních neuronových sítí pro generování příznakových vektorů z obrázků různých identit. V další části se tato práce věnuje agregování příznakových vektorů ze snímků videa. Agregování probíhá pomocí agregačních neuronových sítí. Na konci této práce jsou diskutovány výsledky, kterých dané agregační metody dosáhli.
Aktivní učení s neuronovými sítěmi
Beneš, Štěpán ; Fajčík, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
Práce se věnuje problematice propojení aktivního učení a konvolučních neuronových sítí při rozpoznávání obrazu. Cílem je pozorovat chování vybraných strategií aktivního učení v širším spektru podmínek. Nejprve se v práci nachází teoretický úvod do problematiky aktivního učení, následně je věnován prostor motivaci a obtížím spojení aktivního učení s neuronovými sítěmi. Samotné chování vybraných strategií při kontinuálním učení je pak pozorováno pomocí několika experimentů, testujících závislost výkonu na obtížnosti datasetu, kvalitě trénovaného modelu, trénovacích epochách, velikosti přidávané sady vzorků, spolehlivosti anotátora a použití techniky pseudo-označování. Výsledky ukazují závislost kontinuálního aktivního učení na obtížnosti datasetu a počtu trénovacích iterací, dále pak odolnost strategií na rozumnou míru chybovosti anotátora. Benefity z pseudo-označování jsou úzce spjaty s dostatečnou kvalitou modelu. Konečně, tradiční strategie aktivního učení mohou v několika případech konkurovat strategiím šitým na míru pro konvoluční sítě.
Rozpoznávání historických textů pomocí hlubokých neuronových sítí
Macurová, Nela ; Špaňhel, Jakub (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce se zabývá rozpoznáváním historických textů pomocí hlubokých neuronových sítí, konkrétně rozpoznáváním jednotlivých slov v gotickém písmu v českém jazyce. Je zde vytvořen obecný přehled o konvolučních sítích a metodách rozpoznávání textu. Byl vytvořen dataset, který se skládá z reálných i generovaných dat. Síť byla trénovná na generovaných datech a testována na reálných obrázcích slov. Tato navrhovaná metoda klasifikace slov, nebyla moc úspěšná, kvůli rozdílným testovacím a~trénovacím datům. 
Vyhledávání duplicitních fotografií
Sklenář, Zdeněk ; Hradiš, Michal (oponent) ; Zemčík, Pavel (vedoucí práce)
Tato bakalářská práce se zabývá analýzou, návrhem, implementací a otestováním aplikace, která slouží k vyhledání duplikací ve fotografiích podle Exif metadat. Aplikace dále umožňuje zobrazení náhledu fotografie, včetně Exif metadat fotografie. Seskupení duplikací, následný výběr nejlepší fotografie pro ponechání podle parametru nastaveného uživatelem, manuální úpravu této volby a vymazání ostatních. Dále je možné filtrování fotografií a export vybraných fotografií do ZIP archivu.
Klasifikace fotografií pomocí hlubokých neuronových sítí
Ziková, Jana ; Veľas, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
Tato bakalářská práce se zabývá klasifikací produktů internetového obchodu s pomocí jejich fotografií. K tomuto účelu využíváme existující modely hlubokých konvolučních neuronových sítí. Cílem práce bylo navrhnout experimenty, které povedou k co největší úspěšnosti při klasifikaci fotografií produktů.
Synchronizace textu a audia
Šuba, Adam ; Hradiš, Michal (oponent) ; Szőke, Igor (vedoucí práce)
Tato bakalářská práce se zabývá výzkumem nástroje pro synchronizaci textu a audia na úrovni jednotlivých grafémů a fonémů. V práci jsou také diskutovány možné přístupy k synchronizaci a případná omezení a problémy, kterým je třeba čelit. Zkoumaný nástroj využívá přístup vycházející z grapheme-to-phoneme konverze s použitím joint-sequence modelů. Pro experimenty jsou použity data z televizního vysílání, která byla převzata z Multi-Genre Broadcast Challenge 2015.
Zaostření rentgenových snímků s geometrickým rozmazáním
Sokol, Juraj ; Španěl, Michal (oponent) ; Hradiš, Michal (vedoucí práce)
Cieľom tejto práce je porovnať rôzne metódy zaostrovania rentgenových snímkov. V riešení sú použité metódy, ktoré na zostrovanie používajú konvolučné jadro.   Výsledky sú experimentálne porovnané a vyhodnotené kvantitatívnymi metódami.

Národní úložiště šedé literatury : Nalezeno 132 záznamů.   1 - 10dalšíkonec  přejít na záznam:
Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.