|
|
Sharing Local Information for Faster Scanning-Window Object Detection
Hradiš, Michal ; Kälviäinen, Heikki (oponent) ; Matas, Jiří (oponent) ; Zemčík, Pavel (vedoucí práce)
This thesis aims to improve existing scanning-window object detectors by exploiting information shared among neighboring image windows. This goal is realized by two novel methods which are build on the ideas of Wald's Sequential Probability Ratio Test and WaldBoost. Early non-Maxima Suppression moves non-maxima suppression decisions from a post-processing step to an early classification phase in order to make the decisions as soon as possible and thus avoid normally wasted computations. Neighborhood suppression enhances existing detectors with an ability to suppress evaluation at overlapping positions. The proposed methods are applicable to a wide range of detectors. Experiments show that both methods provide significantly better speed-precision trade-off compared to state-of-the-art WaldBoost detectors which process image windows independently. Additionally, the thesis presents results of extensive experiments which evaluate commonly used image features in several detection tasks and scenarios.
|
|
|
Automatické strojové metody získávání znalostí z multimediálních dat
Mašek, Jan ; Chromý, Erik (oponent) ; Vozňák, Miroslav (oponent) ; Burget, Radim (vedoucí práce)
Kvalitní a efektivní zpracování rostoucího množství multimediálních dat začíná být v dnešní době stále více potřebné pro získání určité znalosti z těchto dat. Práce se zabývá výzkumem, implementací, optimalizací a experimentálním ověřením automatických metod strojového učení pro získávání znalostí z multimediálních dat, kde bylo v řadě příkladů dosaženo vyšší přesnosti ve srovnání s konvenčními metodami a vybrané výsledky byly publikovány v časopisech s impaktním faktorem [1, 2]. K tomu byly v práci speciálně vytvořeny výpočetní metody, které využívají masivně paralelní hardware, díky kterému je dosaženo úspory elektrické energie a výpočetního času při dosažení lepší přesnosti řešených problémů. Výpočty trvající běžně v řádech dní bylo možné urychlit novými metodami na několik málo minut. Funkčnost vytvořených metod byla ověřena na vybraných problémech: detekce krční arterie z ultrazvukových snímků a následné určení stupně nemoci této arterie, detekce staveb z leteckých snímků pro získání jejich zeměpisných souřadnic, detekce jednotlivých materiálů obsažených v meteoritu ze snímků počítačové tomografie, zpracování velkých databází strukturovaných dat, klasifikace hutních materiálů s pomocí laserové spektrometrie a automatická klasifikace emocí z textů.
|
|
|
Měření rychlosti s použitím radaru
Andrla, Jiří ; Široký, Adam (oponent) ; Maršík, Lukáš (vedoucí práce)
Cílem této bakalářské práce je navrhnout a implementovat program, který měří rychlost vozidel snímaných radarem s korekcí založenou na úhlu měření. Program je nejprve navržen a implementován v programu Matlab, implementace je poté přenesena také do jazyka C++. Tento program z radarových dat, zaznamenaných na CW radar, detekuje pohybující se dopravní prostředky, vypočítá jejich rychlost s pomocí korekce na základě úhlu a tyto údaje uloží do statistiky. Práce je vypracovávána kvůli zpracování problematiky korekce rychlosti na základě úhlu, protože s touto technikou by mělo být dosaženo přesnějších výsledků než bez ní. Výsledek této práce může být zajímavý pro všechny aplikace a systémy, které mohou používat měření radarem pod úhlem.
|
|
|
Manipulace s objekty pomocí robotu Mitsubishi RV2AJ založená na analýze obrazu
Koutský, Filip
Diplomová práce se zabývá návrhem, implementací a testováním programu pro detekci objektů určených k manipulaci a programu pro řízení robotického ramene Melfa RV-2AJ, které s objekty manipuluje. V teoretické části práce jsou popsány vybrané algoritmy pro detekci objektů, nasnímaných za pomoci kamery Basler a možnosti řízení robotického ramene Melfa RV-2AJ. Praktická část je zaměřena na návrh a implementaci programu ve vývojovém prostředí LabVIEW pro detekci objektů, za pomoci modulů NI Vision Acquisition Software a NI Vision Builder for Automated Inspection a řízení robotického ramene Melfa RV-2AJ za pomoci modulu pro řízení robotů mitshubishi ImagingLab. Tyto programy jsou následně otestovány vytvořenými testovacími úlohami. Výsledky jsou v závěru zhodnoceny a v závislosti na nich jsou navrhnuta možná vylepšení.
|
|
|
Roboauto - automatické řízení
Hnát, Miroslav ; Richter, Miloslav (oponent) ; Petyovský, Petr (vedoucí práce)
Ve své práci se zabývám požadavky kladenými na automatické řízení. Nejprve rozvrhnu reálné řešení a vyberu vhodný SW nástroj pro simulaci a realizaci dané problematiky.Dále zde řeším model pro simulaci řízení pohonu, brzdění a natáčení kol v simulátoru. Vše se odehrává v podmínkách volného prostranství s několika překážkami. Definuji možné chybové stavy a navrhuji nutné ochrany. Další důležitou částí mé práce je identifikace parametrů reálného automobilu a ověření tak správnosti modelu pomocí simulace. Následuje zhodnocení případných odchylek od modelu, což má za cíl ověřit reakce reálného systému. Celé řešení pak budu implementovat do jednotlivých komponent a srovnám jednotlivé komponenty s výsledky simulace. Na závěr budu zhodnocovat dosažené výsledky a navrhovat řešení.
|
|
|
Klasifikace obrazů s pomocí hlubokého učení
Hřebíček, Zdeněk ; Přinosil, Jiří (oponent) ; Mašek, Jan (vedoucí práce)
Práce se zabývá detekcí objektů v obraze a jejich klasifikací do tříd. Klasifikace je zajištěna modely prostředí pro hlubokého učení BVLC/Caffe; Detekci objektů zajišťují algoritmy AlpacaDB/selectivesearch a belltailjp/selective_search_py. Jedním z výsledků této práce je úprava a využití modelu hluboké konvoluční neuronové sítě AlexNet v prostředí BVLC/Caffe. Model byl natrénován s přesností 51,75% pro klasifikaci do 1 000 tříd, následně byl upraven a natrénován pro klasifikaci do 20 tříd s přesnotí 75.50%. Přínosem práce je implementace grafického rozhraní pro detekci a klasifikaci objektů do tříd, jež je implementováno jako aplikace na bázi webového serveru v jazyce Python. Aplikace integruje výše zmíněné algoritmy detekce objektů s klasifikací pomocí BVLC/Caffe. Výslednou aplikaci lze použít jak pro detekci (a klasifikaci) objektů, tak pro rychlé ověření klasifikačních modelů prostředí BVLC/Caffe. Tato aplikace byla pro možnost rozšíření a dlašího využití zveřejněna na serveru GitHub pod licencí Apache 2.0.
|
|
|
RoboAuto - Detekce pohyblivých objektů
Štibinger, Petr ; Žák, Pavel (oponent) ; Juránek, Roman (vedoucí práce)
V této práci se lze dovědět možné řešení detekce objektů z pohyblivé kamery. Na řešení je použita metoda MTI (moving target indication), která je používána pro detekci ze vzduchu a je možné ji aplikovat i na pozemní vozidla. Bude zde uvedena práce se SURF (pro detekci bodů v obraze) a histogramy (pro detekci pohybu v obraze).
|
|
|
Detekce objektů v obraze
Ptáček, Tomáš ; Šiler, Ondřej (oponent) ; Švub, Miroslav (vedoucí práce)
Tato práce pojednává o problematice detekce objektů a popisuje teoretická východiska detekce založené na boostingu, algoritmu AdaBoost a Haarových příznacích v roli slabých klasifikátorů. Dále se tato práce zabývá návrhem a implementací trénovací a detekční aplikace založené na knihovnách OpenCV a wxWidgets. K závěru popisuje test trénování a detekce obličejů provedený v implementované aplikaci.
|
|
|
Rozpoznání registrační značky vozidla
Tilňak, Tomáš ; Juránek, Roman (oponent) ; Herout, Adam (vedoucí práce)
Tato práce se věnuje problematice rozpoznávání registračních značek a mojí implementaci programu na rozpoznávání registračních značek. Nejdříve představím formát registračních značek v České republice. Následující kapitola je věnována existujícím způsobům řešení jednotlivých fází rozpoznávání podle vybraných vědeckých článků. Jádrem této práce je návrh a implementace programu na rozpoznávaní registračních značek, představím i jednotlivé použité knihovny, které jsem použil při mém řešení. Nezbytnou součástí vývoje programu je testování, kterému je taktéž věnována samostatná kapitola. V závěru zhodnotím dosažené výsledky a navrhnu možná rozšíření.
|
|
|
Predikce deště pomocí meteorologického radaru
Gerych, Petr ; Hradiš, Michal (oponent) ; Szőke, Igor (vedoucí práce)
Práce se zabývá krátkodobou predikcí deště. Jako vstupní data jsou využívány statické snímky z meteorologických radarů. Je zde popsán princip práce těchto radarů. Možné metody pro detekci objektu, registraci objektu, interpolace a extrapolace pohybu. Pro predikci deště se využívá algoritmus pro semínkové vyplňování a extrapolace pomocí Lagrangeova interpolačního polynomu. Aplikace je napsána v jazyce C++ pod OS Linux. Jsou zde také uvedeny příklady výsledků aplikace.
|
host ::
RSS.