Národní úložiště šedé literatury Nalezeno 2 záznamů.  Hledání trvalo 0.01 vteřin. 
6-DOF lokalizace objektů v průmyslových aplikacích
Macurová, Nela ; Španěl, Michal (oponent) ; Hradiš, Michal (vedoucí práce)
Cílem práce je navrhnout metodu, která lokalizuje objekt v bodovém mračně a co nejpřesněji odhadne 6D pózu předem známých objektů v průmyslové scéně pro bin picking. Návrh řešení je inspirován sítí PoseCNN. Součástí řešení je i simulátor scén, který generuje umělá data. Simulátor je použit k vygenerování trénovací datové sady obsahující 2 objekty pro trénování konvoluční neuronové sítě. Síť je otestována na anotovaných reálných scénách a dosahuje nízké úspěšnosti, pouze 23.8 % a 31.6 % úspěšnosti pro odhad translace a rotace pro jeden typ a pro druhý objekt 12.4 % a 21.6 %, přičemž tolerance pro správný odhad je 5 mm a 15°. Avšak použitím algoritmu ICP na odhadnuté výsledky je dosažena úspěšnost odhadu translace 81.5 % a rotace 51.8 % a pro druhý objekt 51.9 % a 48.7 %. Přínosem této práce je vytvoření generátoru a otestování funkčnosti sítě na malé objekty. 
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. 

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.