|
|
Obrazová analýza v tribotechnické diagnostice
Machalík, Stanislav ; Stodola,, Jiří (oponent) ; Tillová,, Eva (oponent) ; Zemčík, Pavel (vedoucí práce)
Obrazová analýza částic opotřebení je v práci využita ke klasifikaci jejich obrazů do tříd odpovídajících stanoveným typům opotřebení. Dává možnost získat informace nejen o základních parametrech otěrových částic, ale také údaje, které by při klasickém způsobu hodnocení bylo možné získat jen velmi obtížně. Na základě analýzy morfologických či obrazových charakteristik částic lze sledovat průběh opotřebení strojních součástí, a tím zabránit případné havárii motoru, případně stanovit optimální lhůty pro výměnu oleje. Cílem této práce je prozkoumat možnosti využití obrazové analýzy v kombinaci s metodou analytické ferrografie a na základě teoretických poznatků navrhnout nástroj pro automatickou klasifikaci částic. Současné metody analýzy částic opotřebení jsou založeny na vyhodnocení, které nedává přesnou představu o procesech probíhajících mezi třecími povrchy v motorové soustavě. Práce vychází z metody analytické ferrografie, která umožňuje zhodnotit stav sledovaného stroje z hlediska opotřebení. Přínosem klasifikátorů vytvořených v této práci je možnost automatického vyhodnocení výstupů analytické ferrografie; jejich použití odstraňuje zásadní nevýhodu ferrografické analýzy, kterou je její závislost na subjektivním hodnocení expertem provádějícím analýzu. Vytvořené klasifikátory jsou založeny na využití metod strojového učení. Na základě rozsáhlé databáze částic, která byla vytvořena v první fázi práce, byly klasifikátory natrénovány umožňují tak hodnotit ferrograficky separované otěrové částice, které pocházejí z olejů odebraných z mazaných soustav. Následně byly provedeny experimenty, z jejichž výsledků vyplynuly optimální nastavení klasifikátorů.
|
|
|
Detekce automobilů v obraze
Pomykal, Antonín ; Beran, Vítězslav (oponent) ; Herout, Adam (vedoucí práce)
Práce se zabývá možností detekce automobilů v obraze využívající charakteristických vlastností automobilů pomocí vlastních vytvořených obrazových příznaků, které jsou vytvořeny podle Haarových příznaků, a při použití metody AdaBoost pro trénování a vlastní detekci. Představíme si možnosti a typy vlastních obrazových příznaků, knihovnu OpenCV, která byla v implementaci programu využívána, a ukážeme si výsledky a úspěšnost této kombinace algoritmů při detekci.
|
|
|
Automatické označování obrázků
Lukáč, Michal ; Řezníček, Ivo (oponent) ; Hradiš, Michal (vedoucí práce)
Práca sa zaoberá automatickým označovaním obrázkov do sémantických kategórií. Je popísaná teória z klasi kácie a detekcie lokálnych príznakov. Sú vysvetlené základné algoritmy strojového učenia pri označovaní obrázkov a ich učenie pomocou algoritmu Gradient descent. Je navrhnuté riešenie s hierarchiou pre ImageNet a tagovanie obrázkov atribútmi. Výpočetný model MapReduce je ukázaný pre učenie na veľkých dátových sadách. V poslednej časti je popísaná implementácia, experimentálne a testovacie výsledky.
|
|
|
Automatický výběr reprezentativních fotografií
Bartoš, Peter ; Svoboda, Pavel (oponent) ; Polok, Lukáš (vedoucí práce)
Na internetu jsou miliardy fotografií a s neustále rostoucí velikostí těchto digitálních úložišť je stále více složitější vyhledat určitou snímku. Na zvýšení informační kvality fotoalb navrhujeme novou metodu, která vybírá reprezentativní snímky ze skupiny fotografií s využitím algoritmů počítačového vidění. Cílem této práce je analýza problematiky význačných znaků obrázků, porovnávání obrázků, shlukování objektů a také má za úkol prozkoumat charakteristické vlastnosti fotografií. Testy ukazují, že neexistuje univerzální příznak popisující fotografie takovým způsobem, aby bylo možné jednoduše modelovat proces shlukování vykonávaný lidským viděním. Práce navrhuje hybridní algoritmus, který kombinuje použití výhodných vlastností vybraných příznaků fotografie spolu s využitím specializovaného vícekrokového shlukovacího algoritmu. Klíčovou myšlenkou postupu je, že častěji fotografované objekty jsou pravděpodobněji reprezentativní. Tedy platí, že již náhodným výběrem z největších shluků dostáváme určitým způsobem reprezentativní fotografie. Tento výběr je dále vylepšený na základe optimalizací, které upřednostňují snímky s lepšími fotografickými vlastnostmi.
|
|
|
Rozpoznání vzorů v obraze pomocí klasifikátorů
Juránek, Roman ; Španěl, Michal (oponent) ; Herout, Adam (vedoucí práce)
V této práci bude představen algoritmus AdaBoost, který slouží k vytvoření silné klasifikační funkce z několika slabých hypotéz. Bude vyloženo teoretické pozadí algoritmu a způsob konstrukce silného klasifikátoru. Dále bude popsáno rozšíření algoritmu o sekvenční rozhodovací strategii nazývané WaldBoost. Práce se zabývá také obrazovými příznaky, které jsou v mnoha případech základem slabých klasifikátorů. Kromě popisu zmíněných algoritmů bude uveden základ rozpoznávání vzorů v kontextu počítačového vidění a budou uvedeny některé často používané metody trénování klasifikátorů. Součástí práce bylo vytvoření knihovny pro detekci objektů založené na klasifikátorech trénovaných metodou AdaBoost. Tato knihovna byla následně využita v implementaci programu, který prakticky demonstruje detekce obejktů ve videosekvencích. Poslední část práce popisuje nástroj pro trénování AdaBoost klasifikátorů.
|
|
|
Automatické třídění fotografií podle obsahu
Gajová, Veronika ; Hradiš, Michal (oponent) ; Španěl, Michal (vedoucí práce)
Hlavním cílem práce je návrh a implementace klasifikačního nástroje pro účely automatické organizace fotografií, založeného na metodě Bag of Words. Nástroj je implementován jako XnView zásuvný modul, který klasifikuje vybrané fotografie a zapisuje název nejlépe ohodnocené kategorie jako klíčové slovo do IPTC metadat obrazového souboru.
|
|
|
Zpracování rastrového obrazu pomocí FPGA
Musil, Petr ; Kadlček, Filip (oponent) ; Zemčík, Pavel (vedoucí práce)
Tato práce se zabývá návrhem a implementací hardwarové jednotky pro detekci objektů ve videu. Návrh jednotky je optimalizován pro rychlé proudové zpracování. Detekce objektů se provádí pomocí příznakových klasifikátorů. Jako slabé klasifikátory jsou využity lokální obrazové příznaky. Je navržena a implementována nová metoda pro detekci objektů různé velikosti. Detektor používá algoritmy pro zrychlení detekce využívající sousední pozice. Má dostatečný výkon pro souběžnou detekci až dvou různých tříd objektů. Funkčnost detektoru byla ověřena simulací a některé části byly implementovány na vývojovém kitu.
|
|
|
Vyhledávání graffiti tagů podle podobnosti
Grünseisen, Vojtěch ; Juránek, Roman (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce se zaměřuje na možnost využití současných metod a algoritmů počítačového vidění za účelem automatického hledání podobností mezi tzv. graffiti tagy. Takto označujeme takové graffiti, které slouží jako rychlý a jednoduchý podpis autora. Práce popisuje vývoj a implementaci systému typu CBIR, sloužícího k vyhledání podobných graffiti tagů z databáze obrázků. Za tímto účelem zkoumá obrazovou podobnost pomocí lokálních příznaků, zejména příznaků self-similarity.
|
|
|
Vyhledávání obrazu na základě podobnosti
Harvánek, Martin ; Mašek, Jan (oponent) ; Burget, Radim (vedoucí práce)
V práci sú implementované metódy: kruhových sektorov, momentov farieb, vektoru spojitych farieb a Gáborových filtrov, ktoré sú založené na obrazových charakteristikách nízkej úrovne. Tieto metódy boli vyhodnotené po nájdení optimálnych parametrov. Hľadanie optimálnych parametrov metód je realizované pomocou presnosti klasifikácie učiacich sa algoritmov a operátora krížová validácia v programe RapidMiner. Implementované metódy sú hodnotené na základe celkovej priemernej precíznosti nad množinou obrazov s desiatimi kategóriami - starodávne budovy, pláž, autobus, dinosaurus, slon, kvet, jedlo, kôň, hora, domorodci. Implementovanou modifikáciou (farebný priestor HSB + štatistická funkcia median) metódy kruhových sektorov je dosiahnutá o 8 % vyššia presnosť klasifikácie ako pôvodna metóda uvedená v literatúre. Kombináciou metód momentov farieb, kruhových sektorov a Gáborových filtrov s pridelenými váhovými koeficientami, bol dosiahnutý najlepší výsledok celkovej priemernej precíznosti na úrovni 70,48 % zo všetkých implementovaných metód.
|
|
|
Možnosti srovnávání obrázků v mobiních aplikacích
Jírů, Michaela ; Pavlíčková, Jarmila (vedoucí práce) ; Šedivá, Zuzana (oponent)
Tato práce se zabývá metodami porovnávání obrazu. Cílem je vytvoření mobilní aplikace, která umožňuje porovnávání fotografií v reálném čase. První část práce je zaměřena na teoretická východiska práce, zejména na algoritmy určující podobnost obrazu. V praktické části je popsán návrh aplikace včetně analýzy případů užití, návrhu obrazovek a funkčních požadavků. Následují vysvětlivky zdrojového kódu a popis použitých knihoven. Poslední část práce je zaměřena na testování implementovaných algoritmů, z hlediska rychlosti a přesnosti a jejich vyhodnocení.
|
host ::
RSS.