|
|
Rozpoznávání akordů
Soudek, Ondřej ; Glembek, Ondřej (oponent) ; Černocký, Jan (vedoucí práce)
Cílem této bakalářské práce je vytvořit aplikaci, která bude v reálném čase analyzovat signál, pocházející z elektrické nebo akustické kytary, a bude rozpoznávat, jaký akord nebo tón uživatel hraje, případně akord tomu nejbližší. Práce obsahuje základy hudební teorie, způsob řešení zadaného problému a výsledky testování.
|
|
|
Rozpoznávání objektů pomocí evolučních metod
Lýsek, Jiří ; Škorpil, Vladislav (oponent) ; Rábová, Ivana (oponent) ; Šťastný, Jiří (vedoucí práce)
Tato práce pojednává o použití evolučních metod, konkrétně gramatické evoluce k rozpoznávání objektů v obraze. V práci jsou popsány principy rozpoznávání objektů a evoluční metody se zaměřením na gramatickou evoluci. Ve vlastní práci jsou navrženy metody pro tvorbu klasifikátorů pomocí gramatické evoluce a je navržen vhodný postup včetně návrhu výpočtu fitness funkce. Nakonec je představeno vytvořené vývojové a testovací prostředí v jazyce Java.
|
|
|
Automatic vocal-oriented recognition of human emotions
Adamský, Aleš ; Kubánková, Anna (oponent) ; Atassi, Hicham (vedoucí práce)
This work deals with the characteristics, formation, representation and analysis of speech and the speech signal. It explains the details of concepts such as emotions and prosody. It analyzes different emotion state of human, as well as prosodic parameters: intensity, harmonisity and formants. It includes a database emotional states of human. This database was analyzed using the Praat and suitable features were selected for detecting of emotional states of human speech. It also deals with neural networks. It contains a description of Java Neural Network Simulator, which is used to detect emotional states of human speech. Results of recognition are processed in tables and graphs for easier navigation.
|
|
|
Multilingual analysis of human emotional states
Rendek, Tomáš ; Koula, Ivan (oponent) ; Atassi, Hicham (vedoucí práce)
This work deals with the properties of the speech signal. At the beginning it introduces a process of generation of the speech. Then, it covers the prosodic features of the speech, which represent a related characteristic of emotions. It defines an emotion itself, as well as the basic features and parameters of the human speech. For the analysis we use the program called Praat. As it is an unknown program, we devote a part of the work to it, which acquaints us with its advantages. The next part of this paper comprises also two enclosed databases containing records of particular emotional states of human. These databases were created and collected for Slovak and German language. However, none of them contain spontaneous material. Next, the work concerns a concept of the neural networks. It regards it as a possible realization of recognizing of emotional characteristics. The initial analysis presents large number of gained features, out of which only the best twelve were selected on the basis of geometric separability. These features are distinct for both sexes, as well as for both nationalities. Consequently, they are used for training with a neural network. The work concludes by summarizing of the results discussing the successfulness with recognition of emotional states. It also gives possible reasons which lead to degradation of their successful classifying. The thesis contains a CD with all the partial and ultimate results, and files with records for Slovak and German language.
|
|
|
Pattern Recognition in Surface Electromyography
Chalupa, D.
In this paper, a method is proposed to differentiate patterns in one-channel surface electromyography. This particular method uses an example signal containing all relevant patterns to learn spectral coefficients. These coefficients are used to analyze unknown signals. An example of finger recognition algorithm based on a signal from forearm muscles is shown and discussed.
|
|
|
Automatická anotace obrazu
Hegmon, Jiří ; Karásek, Jan (oponent) ; Burget, Radim (vedoucí práce)
Rozeznávání a porovnávání obrazu je jedním z hlavních problémů a okruhů oboru počitačového vidění. Tato práce k těmto dvěma problémům připojuje třetí, rozpoznání semantiky, významu obrazu, tzv. anotaci nebo label. Práce využívá znalosti metod rozpoznávání podobnosti obrazů k vytvoření nástroje, který je schopen na základě trénovací množiny obrazů a anotací vytvořit skupinu nejpravděpodobnějších anotací pro danou testovací množinu obrazů. Tato práce představuje několik druhů testovacích množin vhodných pro rozpoznávání anotačních informací u obrazů. Následně je vybrána nejvhodnější množina s potřebnou velikostí trénovací množiny a dostatkem informací v anotacích. Na základě této trénovací množiny je navrhnut algoritmus pro snadné načtení testovací množiny bez velkých nároků na výkon počítače. Vyhodnocení anotačních informací testovací množiny je prováděno na základě různých podobnostních algoritmů. Na počátku této práce byly použity jednoduché, ale nepříliš efektivní metody MSE a porovnání barevných histogramů, postupně bylo ale nutno přejít k použítí náročnějších metod (jako je například Tamura, Gabor, CEDD nebo různé druhy hostistogramů). Výsledky tohoto porovnání jsou nakonec brány pro vyhodnocení pravděpodobnosti výskytu dané anotace pro daný obrázek určené testovací množiny. Na závěr práce je provedeno vyhodnocení přesnosti určení anotace na základě informací z použitých trénovacích množin.
|
|
|
Umělá neuronová síť RCE
Maceček, Aleš ; Klusáček, Jan (oponent) ; Jirsík, Václav (vedoucí práce)
Práce se zabývá umělou neuronovou sítí RCE, zvláště popisem topologie, vlastností a algoritmem učení sítě. Práce obsahuje popis vytvořeného programu uTeachRCE pro učení RCE sítě a programu RCEin3D, vytvořeného pro vizualizaci procesu učení RCE sítě ve 3D prostoru. RCE síť je srovnávána s vícevrstvou umělou neuronovou sítí s algoritmem učení backpropagation při praktické aplikaci rozpoznávání písmen. Pro popis písmen byly zvoleny momenty invariantní na otočení, posun a změnu měřítka obrazu.
|
|
|
Metody detekce a rozpoznání obličeje v obrazu
Zbranek, Miroslav ; Horák, Karel (oponent) ; Honec, Peter (vedoucí práce)
Cílem této diplomové práce je prostudování metod pro detekci a rozpoznání obličeje v obrazu. Na základě prostudování odborné literatury bude zvolena metoda pro detekci obličeje a metoda pro rozpoznání obličeje. Obě metody budou implementovány za pomoci knihovny OpenCV a programovacího jazyku C/C++. Výsledkem práce je vytvoření grafického rozhraní, které využívá naprogramovaných funkcí pro detekci a rozpoznání obličeje jak z obrazu tak i kamery.
|
|
|
Sledování obličejových rysů v reálném čase
Peloušek, Jan ; Mekyska, Jiří (oponent) ; Přinosil, Jiří (vedoucí práce)
Tato práce pojednává o problematice rozpoznávání objektů v obraze se zaměřením na rozpoznání lidské tváře a jejích součástí. Je zde popsány základní principy počítačového vidění, objektový detektor Viola-Jones, jeho programová realizace pomocí knihoven OpenCV. Dále je v této práci popsán systém přesné detekce obličejových částí pomocí algoritmu aktivních modelů tvaru (ASM) a s ním související mechanismy trénování klasifikátorů. Nakonec je popsána i praktická realizace včetně softwarové implementace.
|
|
|
Rozpoznání paralingvistických signálů v řečovém projevu
Mašek, Jan ; Míča, Ivan (oponent) ; Atassi, Hicham (vedoucí práce)
Tento dokument popisuje tři metody pro klasifikaci paralingvistických výrazů jako smích a pláč z každodenních rozhovorů analýzou zvukového signálu. Pro tento účel byla vytvořena databáze nahrávek. Protože se dnes často setkáváme i s hudbou, byly do databáze začleněny i stavy: řeč, hudba, hudba se zpěvem a řeč s hudbou v pozadí. Extrakce příznaků, redukce příznaků a klasifikace jsou společné kroky v rozpoznání pro všechny tři popsané metody. Rozdíl metod spočívá v samotné klasifikaci. První metoda využívá přímého přístupu a klasifikuje všechny třídy najednou. Druhá metoda využívá postupnou klasifikaci ve stromové struktuře, která se skládá z pěti dílčích klasifikátorů. Poslední metoda využívá klasifikaci každé z dvojic tříd samostatně. Nejlepší příznaky pro každou z dílčích klasifikací byly identifikovány využitím statistické metody F-poměru a pro každou klasifikaci byly použity Gaussovy smíšené modely.
|
host ::
RSS.