Národní úložiště šedé literatury Nalezeno 50 záznamů.  začátekpředchozí21 - 30dalšíkonec  přejít na záznam: Hledání trvalo 0.01 vteřin. 
Vyhodnocení směru pohledu osoby
Virgala, Ján ; Odstrčilík, Jan (oponent) ; Žalud, Luděk (vedoucí práce)
Táto bakalárska práca sa zameriava na problematiku vyhodnocovania smeru pohľadu človeka. Umožňuje oboznámiť sa so súčasnými ako aj historickými spôsobmi vyhodnocovania smeru pohľadu a ich využitím v rôznych oblastiach života. V práci sú opísané a vysvetlené základné princípy týchto metód. Súčasťou práce je taktiež popis realizovaného systému a princípu jeho funkcie. Práca taktiež obsahuje analýzu výsledkov testu systému na skupine dobrovoľníkov a zhodnotenie jeho funkcie.
Detection, Extraction and Measurement of the Contour and Circumference of the Metacarpal Bones in X-Rays of the Human Hand
Otčenáš, Matej ; Dvořák, Michal (oponent) ; Drahanský, Martin (vedoucí práce)
This thesis aims to detect and subsequently extract the contour of the third metacarpal bone of the human hand from X-ray images and measure the circumference. The thesis describes segmentation of image using various methods for object detection which will be used for eventual measurements.
Deep Learning for Object Detection
Pitoňák, Radoslav ; Dobeš, Petr (oponent) ; Teuer, Lukáš (vedoucí práce)
Táto práca sa zaoberá metódami použivanými na detekciu objektov ktoré používajú hlboké neurónové siete. Na začiatku sú popísané konvolučné neurónové siete a porovnané bežne používané metódy na detekciu objektov. V dalšej časti sa venuje návrhu a implementácii vybranej metódy natrénovanej na špecifickom datasete. Na konci tejto práce sú výsledky, ktoré tento model dosiahol diskutované a porovnané s výsledkami iných metód.
Systém pro autonomní mapování závodní dráhy
Soboňa, Tomáš ; Gábrlík, Petr (oponent) ; Kopečný, Lukáš (vedoucí práce)
Zameraním tejto diplomovej práce je teoreticky navrhnúť, popísať, implementovať aoveriť funkčnosť zvoleného konceptu pre mapovanie závodnej trate. V teoretickej častipráce je popísaný ORB-SLAM2 algoritmus pre lokalizáciu vozidla. Ďalej je popísanýformát mapy - mriežka obsadenosti a metóda jej vytvárania. Táto mapa by mala maťvhodný formát pre používanie ďalšími systémami na plánovanie trajektórie. Sú tu popí-sané viaceré kamery a aj výpočetné jednotky a na základe parametrov a testov sú z nichvybrané tie najvhodnejšie. V práci je ďalej návrh architektúry mapovacieho systému, sútu popísané jednotlivé bloky, z ktorých sa systém skladá, ako aj čo si medzi sebou blokyvymieňajú, a v akom formáte je odosielaný výstup systému. Jednotlivé časti systému sútestované najprv samostatne a potom je testovaný aj celý systém dokopy. Na záver súzhodnotené dosiahnuté výsledky ako aj možnosti ďalšieho rozšírenia.
Strojové chápání map a výpočet optimální cesty
Kršák, Pavol ; Burian, František (oponent) ; Chromý, Adam (vedoucí práce)
Práca sa zaoberá vytvorením softvérového nástroja, ktorý za asistencie ľudského elementu extrahuje dáta potrebné na navigáciu v teréne z rastrovej mapy pre orientačný beh. Na dosiahnutie cieľa je nevyhnutné rozsegmentovať jednotlivé oblasti mapy podľa značiek na mape. Tieto značky sú na mape znázornené buď jednoliatou farbou alebo farebnou kombináciou, pričom vytvárajú vzory. Kvôli identifikácii jednotlivých značiek sa práca zaoberá segmentáciou obrazu, podľa farieb a vyhľadávaním definovaných vzorov v obraze. Pre navigáciu v teréne je dôležitá informácia o výškových rozdieloch v teréne, z tohto dôvodu sa v práci rozoberá identifikácia polohy vrstevníc a určenie ich výšok. Spojením údajov o teréne s údajmi o výškach v teréne sa vytvorí farebný 3D model v prostredí XNA. Pre navigáciu v takto vytvorenom teréne sa použije A* algoritmus, u ktorého sa testuje viacero variánt určenia heuristickej vzdialenosti. Algoritmus A* následne poskytuje optimálnu trasu podľa zadaných kritérií. Výsledná aplikácia sprostredkováva potrebné nástroje na analýzu rastrovej mapy orientačného behu, pričom tieto nástroje sú manuálneho aj automatického charakteru. Práca zahrňuje podrobný návod na obsluhu vyvinutej aplikácie.
Automatic Graphics Tool Selection Using Freehand Sketches
Harman, Richard ; Bobák, Petr (oponent) ; Čadík, Martin (vedoucí práce)
This thesis works on classifications of sketch representations of telestration tool. This classification is being developed for telestration application as part of the free-hand drawing section. After choosing the sketch representations, collecting data with specifically created application I created two datasets. First dataset was used to train a convolutional neural network to classify the sketches. Second dataset was used to train segmentation neural network to classify lines and ellipses in sketches. Both networks was then implemented into application to showcase their usage in real-time and experiment on their accuracy. This application also contains post-processing process to recreate the telestration tool representations from the sketches.
Sonifikace videa pomocí technik umělé inteligence
Dobrocký, Filip ; Burget, Radim (oponent) ; Říha, Kamil (vedoucí práce)
Táto práca sa zaoberá sonifikáciou videa – prevodom obrazu na zvuk. Jej cieľom je využitie moderných techník počítačového videnia založených na umelej inteligencii pre vytvorenie systému schopného algoritmickej tvorby zvuku použiteľného v umeleckom kontexte. Sústredí sa na oblasti sound artu, algoritmickej kompozície a generatívnej hudby. Súčasťou práce je implementácia modulárneho sonifikačného systému v jazyku Python využívajúceho moderný detektor objektov YOLOv7 spolu s algoritmom pre sledovanie viacerých objektov z knižnice Norfair. Princíp je založený na systematickom prideľovaní zvukových objektov sledovaným objektom vo videu. Zvuk je tvorený prostredníctvom platformy SuperCollider a jej API pre Python s názvom Supriya, využívajúc rozličné typy zvukovej syntézy spolu s automatizovane vytvorenou databankou zvukov.
Detection and Recognition of Drone Movement in Video
Lapšanský, Simon ; Sakin, Martin (oponent) ; Drahanský, Martin (vedoucí práce)
With the increase in drone availability in recent years, the risk of using drones as a tool for attacks has also increased. Based on these risks, this paper proposes a method for their real-time detection, followed by classification. The proposed approach utilizes the background subtraction method for object detection while using deep learning to classify the detected object. The MOG2 utilizes the Gaussian mixture model method to provide background subtraction, while the YOLOv5 object detection model uses convolutional neural networks for classification. The approach implementation produces a way for drone detection and classification while utilizing the processor, reaching results sufficient for real-time drone detection and classification. The method evaluating 1080p recording using the Intel i5-7600K averaged 16 frames per second while detecting a single object within the frame.
Zobrazení virtuální grafiky a animací pro sportovní analýzu
Očenáš, Daniel Miloslav ; Zemčík, Pavel (oponent) ; Beran, Vítězslav (vedoucí práce)
Cieľom bakalárskej práce je vytvoriť súbor nástrojov použitých pri analýze videozáznamov športových podujatí, predovšetkým futbalových zápasov. Užívateľ môže nástroje použiť na zvýraznenie vybraných hráčov, ktorí sú ďalej trackovaní a zvýrazňovaní. Ďalej manuálne vytvárať smerovníky, znázorňujúce smer pohybu hráča alebo lopty. Trojrozmerné objekty sú vytvárané perspektívnym skreslením korešpondujúcim so scénou, ktorá je zachytená kamerou. Teoretická časť bakalárskej práce uvádza prehľad odbornej literatúry potrebnej na správne zobrazenie grafických objektov do videa v duchu rozšírenej reality. Praktická časť práce je zameraná na implementáciu a vizualizáciu grafických nástrojov s použitím knižnice OpenGL. 
Detekce objektů v laserových skenech pomocí konvolučních neuronových sítí
Marko, Peter ; Beran, Vítězslav (oponent) ; Veľas, Martin (vedoucí práce)
Práca sa zaoberá detekciou čiary vodorovného dopravného značenia z mračna bodov, ktoré bolo získané laserovým mobilným mapovaním. Systém pracuje interaktívne v spolupráci s užívateľom, ktorý vyznačí počiatok čiary dopravného značenia. Program postupne deteguje zvyšné časti dopravného značenia a vytvorí ich vektorovú reprezentáciu. Na začiatku je mračno bodov premietnuté do vodorovnej roviny a výsledkom je 2D obrázok, ktorý je segmentovaný konvolučnou neurónovou sieťou U-Net. Segmentácia označuje jednu dopravnú čiaru. Segmentácia je prevedená na lomenú čiaru, ktorú je možné použiť v geo-informačnom systéme. Sieť U-Net pri testovaní dosiahla presnosť segmentácie 98,8\%, špecificitu 99,5\% a senzitivitu 72,9\%. Odhadnutá lomená čiara dosiahla priemernú odchýlku 1,8cm.

Národní úložiště šedé literatury : Nalezeno 50 záznamů.   začátekpředchozí21 - 30dalšíkonec  přejít na záznam:
Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.