|
|
Automatická vizuální podpora pro Q-řazení
Kán, Dávid ; Hradiš, Michal (oponent) ; Vaško, Marek (vedoucí práce)
This bachelor thesis deals with the integration of Q-sorting and computer vision methods for object detection. The goal of the work is to create a program that, with the help of~visual support, will facilitate the process and at the same time prevent errors in Q-sorting. Furthermore, the work deals with the creation of~a suitable data set for training the model and for experiments, which takes into account the way the cards are laid out and the~environment. The implemented program takes the form of a console application and is written using the Python programming language. The program uses YOLOv8 to detect objects and uses Pero OCR to retrieve text from cards. Using the created test set, experiments were performed on the trained model and the program was tested.
|
|
|
Automatická kontrola dopravního značení
Čechmánek, Roman ; Klíma, Ondřej (oponent) ; Musil, Petr (vedoucí práce)
Cílem této práce je vytvoření finančně nenáročného nástroje, který by byl schopen zautomatizovat proces kontroly dopravního značení. To zahrnuje práci se záznamy jízd po pozemních komunikacích, vytvořených pomocí levného záznamového zařízení jako je například akční kamera GoPro, či některé z palubních kamer. Kontrola probíhá na základě systémem lokalizovaného dopravního značení a historických dat o mapování dopravního značení. Výsledkem práce je systém, jehož vstupem jsou záznamy jízd a historická data a výstupem jsou dva soubory obsahující informace o výsledcích kontroly. Prvním z nich je soubor GEOJSON, který je vhodný pro další zpracování získaných dat a soubor HTML, který poskytuje jednoduché uživatelské rozhraní vizualizující výsledky kontroly na interaktivní webové mapě.
|
|
|
Mobilní aplikace pro naskenování logického obrázku a jeho vyřešení
Zobaník, Michal ; Pánek, Richard (oponent) ; Dyk, Tomáš (vedoucí práce)
Cílem této bakalářské práce je vytvořit aplikaci, která bude umožňovat skenovat zadání zakódovaných obrázků z novin nebo časopisů a umožní naskenovaný obrázek vyřešit. Práce se věnuje návrhu mobilní aplikace pro operační systém Android, popisuje její funkcionalitu a důležité body implementace. Pro detekci zakódovaného obrázku jsou využity metody zpracovávání obrazu. Pro rozpoznávání čísel je vytvořena a naučena konvoluční neuronová síť. A pro vyřešení naskenované logické hádanky jsou použita logická pravidla a backtracking.
|
|
|
Enhancing Reliability and Benchmarking Performance of Agar Plate Handling Algorithms for Laboratory Automation Robots
Kalivodová, Tereza ; Nohel, Michal (oponent) ; Mézl, Martin (vedoucí práce)
This bachelor thesis investigates the issue of sample preparation in the field of microbiology and medical diagnostics with an emphasis on the automated robotic system MBT Pathfinder, developed by \bruker. Using digital imaging techniques and convolutional neural networks, the thesis focuses on improving the algorithm for identifying the position of microbial colonies in the MBT Pathfinder system. The practical part of the thesis presents innovative approaches to optimize critical sample preparation steps to eliminate errors and increase process efficiency. The results of this work can enhance the reliability of microbiological analyses in medical diagnostics and microbiological research.
|
|
|
Segmentace silnic a cest v obrazových datech pro účely autonomní jízdy
Janíček, Ondřej ; Cihlář, Miloš (oponent) ; Svědiroh, Stanislav (vedoucí práce)
Tato bakalářská práce se zabývá tématem segmentace silnic a cest pro účely autonomního řízení. V teoretické části se zabývá počítačovým viděním, jednoduchými metodami segmentace a praktickými řešeními problému pomocí konvolučních neuronových sítí a klasických metod. V praktické části se práce zabývá sběrem testovacích dat, výběrem vhodného programovacího jazyka a výběrem vhodných knihoven. Následně se představí postup při programování vlastního řešení. Zde se začíná předzpracováním pro převod obrazu do~šedotónového obrazu a filtrace šumu, poté nalezení hran v obraze pomocí Cannyho hranového detektoru, následuje definice oblasti zájmu s navazující Houghovou transformací pro detekci přímek v obraze a v poslední fázi filtrace horizontálních čar a průměrování zbylých čar. Na konci práce jsou porovnány výsledky představeného řešení s ohledem na robustnost a výpočetní náročnost.
|
|
|
Aplikace hlubokého učení v detekci spánkové apnoe
Láznička, Jakub ; Šaclová, Lucie (oponent) ; Králík, Martin (vedoucí práce)
Tato diplomová práce se zaměřuje na využití metod hlubokého učení pro detekci spánkové apnoe, poruchy spánku charakterizované opakovanými epizodami zastavení nebo významného snížení průtoku dýchacích cest během spánku. Studie zkoumá efektivitu konvolučních neuronových sítí (CNN) a modelů Bidirectional Long Short-Term Memory (BiLSTM) v automatické detekci různých typů spánkové apnoe s využitím polysomnografických záznamů. V práci jsou využity datasety z databáze MESA, které byly speciálně připraveny a upraveny pro potřeby hlubokého učení. Modely s nejlepšími výsledky dosáhly hodnot F1 skóre 0,87 a 0,83, což ukazuje, že hluboké učení může poskytovat přesné nástroje pro diagnostiku spánkové apnoe, představující potenciální zlepšení v klinické praxi. Práce také diskutuje možnosti integrace těchto modelů do klinických diagnostických procesů a nastiňuje směry pro budoucí výzkum v této oblasti.
|
|
|
Algorithm for Facial Image Quality Estimation
Husár, Tomáš ; Sakin, Martin (oponent) ; Goldmann, Tomáš (vedoucí práce)
The precision of face recognition algorithms is heavily influenced by the quality of input images. The aim of the work is to evaluate the quality of face images using a convolutional neural network. The data on which the testing was carried out were created by various degradations of photos from the CelebA dataset. The resulting application determines the quality of images based on the predicted probabilities of individual degradations.
|
|
|
Genetické programování s pamětí v úloze symbolické regrese
Jůza, Tadeáš ; Bidlo, Michal (oponent) ; Sekanina, Lukáš (vedoucí práce)
Cílem práce je ověřit možnosti rozšíření genetického programování o paměť pro řešení problémů symbolické regrese. Dále pak vytvoření sady úloh pro testování kvality takovýchto řešení. V práci je navržen způsob praktického využití takovéhoto rozšíření, a to pro potencionální snížení energetické náročnosti načítání vah konvolučních neuronových sítí. Zde místo načítání všech vah sítě z paměti je načítáno pouze malé procento vah a zbylé jsou vygenerovány za pomocí evolučně nalezené funkce. Tento způsob byl převážně testován na vahách konvolučních vrstev malé konvoluční neuronové sítě řešící úlohu klasifikace obrazu z testovací sady MNIST. Dále byla také ověřena možnost generování vah na dalších konvolučních neuronových sítích řešících složitější problémy. Podařilo se nalézt různé kompromisy mezi přesností klasifikace a velikostí paměti vah.
|
|
|
Analýza vývoje rostlin pomocí umělé inteligence
Hežel, Hugo ; Juránková, Markéta (oponent) ; Bažout, David (vedoucí práce)
This paper discusses the issues of plant growth monitoring, artificial neural networks, convolutional neural networks and also pays attention to their construction. We presented the design of two architecturally different convolutional neural network models for plant growth recognition. We tested and compared these models, and the model with the more complex architecture yielded only slightly better results than the model with the minimalist architecture.
|
|
|
Klasifikace onemocnění COVID-19 na základě analýzy rentgenových snímků plic
Šteflík, Dominik ; Kiac, Martin (oponent) ; Myška, Vojtěch (vedoucí práce)
Táto diplomová práca sa zaoberá vývojom a hodnotením algoritmov umelej inteligencie na klasifikáciu ochorenia COVID-19 z röntgenových snímok hrudníka. Vzhľadom na závažnosť a vplyv pandémie COVID-19 na svetovú populáciu sa schopnosť rýchlej a presnej diagnostiky ochorení z röntgenových snímok stala kritickou. Táto štúdia zhŕňa súčasné pokroky v oblasti spracovania obrazu a hĺbkového učenia s cieľom vyhodnotiť použitie viacerých moderných klasifikačných metód v praxi. Pomocou datasetu získaného z českého lekárskeho prostredia sa tieto metódy analyzujú a overujú za účelom preskúmania ich efektivity a presnosti v reálnych situáciách. Metódy vybrané pre túto štúdiu, COVID-Net, DarkCovidNet a CoroNet, boli zvolené vzhľadom na ich dostupnosť, rozšírené používanie a preukázanú účinnosť v tejto oblasti. Jadrom práce je návrh konvolučnej neurónovej siete prispôsobenej na extrakciu a učenie sa z nepatrných znakov prítomných na röntgenových snímkach svedčiacich o prítomnosti vírusu COVID-19. Táto snaha čelila značným výzvam, vyplývajúcim z rôznorodých akvizičných parametrov röntgenových snímok, ktoré môžu podstatne ovplyvniť diagnostickú presnosť. Jednotnosť týchto parametrov je rozhodujúca pre spoľahlivú analýzu, čo zdôrazňuje význam dôkladných techník predbežného spracovania. V dôsledku toho sa zaviedli pokročilé postupy normalizácie, úpravy kontrastu a rozšírenia s cieľom štandardizovať vstupné údaje. Samotná konvolučná sieť využíva sériu konvolučných, združovacích a plne prepojených vrstiev, ktoré sú optimalizované na zvládnutie odlišností prítomných v lekárskych obrazových dátach. Architektúra siete obsahuje mechanizmus pozornosti implementovaný prostredníctvom bloku stlačenia a excitácie na dynamické nastavenie významnosti rôznych kanálov vo vstupnom obraze. Integráciou týchto prvkov je model siete vycvičený tak, aby sa zameral na podstatné rysy v rámci röntgenových snímok, čo mu umožňuje efektívne rozoznávať nepatrné indikátory ochorenia COVID-19. Okrem iného sa v tejto práci pojednáva o~potenciáli integrácie takýchto diagnostických nástrojov riadených umelou inteligenciou do existujúcich infraštruktúr zdravotnej starostlivosti s cieľom zlepšiť včasnú detekciu a liečbu ochorenia COVID-19. Zistenia naznačujú, že využitie umelej inteligencie v lekárskom zobrazovaní môže výrazne pomôcť pri riešení a kontrole epidémií ochorení, čo v konečnom dôsledku prispieva k lepším zdravotníckym výsledkom.
|
host ::
RSS.