|
Rozpoznávání historických textů pomocí hlubokých neuronových sítí
Vešelíny, Peter ; Kolář, Martin (oponent) ; Kišš, Martin (vedoucí práce)
Táto práca sa zaoberá rozpoznávaním riadkov z historických textov. Historické texty pochádzajú z obdobia od 17. až 19 storočia a sú napísané pomocou fraktúry. Pri rozpoznávaní písma sa používa architektúra neurónovej siete zvaná sequence-to-sequence . Táto architektúra vychádza z modelu kodér-dekodér a používa mechanizmus attention . V rámci práce bola z textov, pochádzajúcich z archívu Deutsches Textarchiv , vytvorená dátová sada. Tento archív obsahuje 3 897 rôznych nemeckých diel, ku ktorým sú dostupné snímky strán a ich prepisy. Vytvorená dátová sada sa následne používa pri trénovaní a experimentovaní s neurónovou sieťou. V rámci experimentov sú skúmané rôzne modely konvolučných sietí, vplyv hyperparametrov siete a účinok pozičného kódovania na výsledky rozpoznávania. Výsledný model dokáže rozpoznať znaky s presnosťou 99,63 %. Prínosom tejto práce je spomínaná dátová sada a neurónová sieť, ktorá sa môže použivať pri rozpoznávaní historických dokumentov.
|
|
Generative Adversial Network for Artificial ECG Generation
Šagát, Martin ; Ronzhina, Marina (oponent) ; Hejč, Jakub (vedoucí práce)
The work deals with the generation of ECG signals using generative adversarial networks (GAN). It examines in detail the basics of artificial neural networks and the principles of their operation. It theoretically describes the use and operation and the most common types of failures of generative adversarial networks. In this work, a general procedure of signal preprocessing suitable for GAN training was derived, which was used to compile a database. In this work, a total of 3 different GAN models were designed and implemented. The results of the models were visually displayed and analyzed in detail. Finally, the work comments on the achieved results and suggests further research direction of methods dealing with the generation of ECG signals.
|
|
Detekce registrační značky vozidla ve videu
Líbal, Tomáš ; Hradiš, Michal (oponent) ; Herout, Adam (vedoucí práce)
Tato práce se zabývá přípravou trénovací datové sady a trénováním konvoluční neuronové sítě pro detekci registrační značky vozidla ve videu. Pro detekce byla použita technologie Darknet, konkrétně model neuronové sítě YOLOv3-tiny. Řešení bylo zaměřeno na co nejpřesnější detekce a na co nejmenší počet falešných detekcí na obrázek, a tím dosáhnout co nejmenší celkové chyby modelu. Datová sada byla připravena z již existujících volně dostupných datových sad, z datové sady poskytnuté výzkumnou skupinou GRAPH@FIT a z vlastnoručně anotovaných obrázků vytvořených ze stažených videí ze serveru YouTube. Tato datová sada byla dále také zpracována pomocí augmentace dat, čímž byla rozšířena na dvojnásobnou velikost. Pro vytvoření anotací byl použit nástroj YOLO Mark. Pro vizualizaci chybovosti modelu byla použita ROC křivka. Vytvořené řešení dosahuje minimální celkové chyby 10,849%. Součástí řešení je i již zmiňovaná datová sada.
|
|
Image segmentation using deeplearning methods
Lukačovič, Martin ; Burget, Radim (oponent) ; Mašek, Jan (vedoucí práce)
This thesis deals with the current methods of semantic segmentation using deep learning. Other approaches of neaural networks in the area of deep learning are also discussed. It contains historical solutions of neural networks, their development, and basic principle. Convolutional neural networks are nowadays the most preferable networks in solving tasks as detection, classification, and image segmentation. The functionality was verified on a freely available environment based on conditional random fields as recurrent neural networks and compered with the deep convolutional neural networks using conditional random fields as postprocess. The latter mentioned method has become the basis for training of new models on two different datasets. There are various enviroments used to implement neural networks using deep learning, which offer diverse perform possibilities. For demonstration purposes a Python application leveraging the BVLC\,/\,Caffe framework was created. The best achieved accuracy of a trained model for clothing segmentation is 50,74\,\% and 68,52\,\% for segmentation of VOC objects. The application aims to allow interaction with image segmentation based on trained models.
|
|
Prořezávání hlubokých neuronových sítí pro rozpoznávání textu
Petráš, Simon ; Hradiš, Michal (oponent) ; Kišš, Martin (vedoucí práce)
Dokument predstavuje prácu na prerezávanie neurónovej siete slúžiacej na rozpoznávanie ručne písaného textu. Cieľom práce je vytvoriť program na prerezávanie danej siete. Prerezávali sme dva typy neurónových sieti a to konvolučné a rekurentné neurónové siete. Pri prerezávaní konvolučnej časti bolo experimentované s rôznymi kritériami výberu parametrov. Výsledkom práce je model, ktorý dosahuje 20% zrýchlenie pri znížení presnosti siete iba o 0.4%, ale aj množstvo iných modelov, ktoré sú rýchlejšie ale nadobúdajú aj vyššej nepresnosti.
|
|
Automatická adaptace pouličního osvětlení na základě dat z kamer
Švanda, Jan
Práce se zabývá vytvořením systému, který na základě analýzy reálné situace v komunikaci za použití obrazových dat z kamer dokáže poskytnout data pro predikci optimálního nastavení osvětlení pro každý okamžik. Práce se také zabývá výběrem a srovnáním detekčních metod a následnou optimalizací vybrané metody.
|
|
Ruská invaze na Ukrajinu očima vybraných médií a jejich účtů na sociálních sítích
Helclová, Anna ; Géla, František (vedoucí práce) ; Lokšík, Martin (oponent)
Ústředním tématem práce je pokrytí začátku invaze na Ukrajině, osvobození města Bucha a první zahraniční cesty ukrajinského prezidenta Volodymyra Zelenského médii BBC News, CNN a ČT24 a jejich účty na sociálních sítích Facebook a Instagram. Teoretická část práce přibližuje pojmy válečný a mírový žurnalismus, transformaci sociálních sítí do podoby nového zdroje informací a s tím spojené informační přetížení a roli sociálních sítí v jeho utváření. Dále také vysvětluje okolnosti vybraných událostí pro další analýzu v praktické části práce. Ve výzkumné části práce jsou vymezeny kódy, podle kterých jsou následně analyzovány příspěvky tří vybraných médií ve stanovených časových oknech na platformách Instagram a Facebook. Příspěvky jsou zkoumány jak vzhledem k jejich grafické podobě, tak v jejich obsahu. U videopříspěvků je rozlišovaný původ videa, i jeho obsah a nejvýrazněji se vyskytující znaky. Zvláštní důraz je kladen na příspěvky s drastickým obsahem a přístupem jednotlivých médií k takovému materiálu. Při analýze je zohledněna i četnost příspěvků jednotlivých médií ve vybraných časových oknech. V závěru práce jsou předloženy výsledky analýzy příspěvků a jejich interpretace.
|
|
Komparativní analýza reakce západních a východních médií na ruskou invazi na Ukrajinu
Neumann, Jakub ; Koblovský, Petr (vedoucí práce) ; Shavit, Anna (oponent)
Tato bakalářská práce se zaměřuje na analýzu rétoriky média Izvestija v reakci na ruskou invazi na Ukrajinu. Na základě pečlivého zkoumání a kritické analýzy zkoumaných článků, tato bakalářská práce porovnává a kontrastuje způsoby, jakými se západní a východní média zabývají tímto konfliktem, zvláště vzhledem k jejich zpravodajským zájmům a propagandě. Následně poté zmapuje, které narativy médium Izvestija používá a které jsou v jejich článcích nejčastější. Výsledky ukazují časté používání lživých či zavádějících tvrzení média Izvestija. Zároveň také zobrazují v konkrétních článcích odlišné zobrazení reality mezi západními a východními médii.
|
|
Vnímání konceptu "culture wars" v amerických médiích
Šimek, Jan ; Just, Petr (vedoucí práce) ; Charvát, Jakub (oponent)
Americká společnost prochází érou hlubokého společenského a politického rozštěpení. V popředí tohoto prohlubujícího se příkopu se nachází takzvané culture wars, což je zastřešující termín pro soubor narativů týkajících se kulturních a společenských témat, která používají obě strany konfliktu k prosazování svých politických cílů. Cílem této diplomové práce je zjistit, jak velký prostor okupují témata kulturních válek v produkci vybraných amerických médií, jak se tato témata promítají na jejich publikum a jak ovlivňují důvěru publika v mainstreamová média. První část práce předkládá metodologii použitou při sběru a vyhodnocování dat použitých v rámci výzkumu pro tuto práci. Dále jsou také v teoretické části vymezené pojmy a termíny související s tématem práce. Praktická část práce bude potom zaměřená na vyhodnocování dat z dotazníkového šetření, které probíhalo mezi konzumenty amerických médií v období mezi květnem a červnem 2023.
|
|
Automaticka diagnostika 12svodoveho EKG pomoci hlubokeho uceni
Blaude, Ondřej ; Chmelík, Jiří (oponent) ; Provazník, Valentine (vedoucí práce)
Tato diplomová práce má za cíl prozkoumat problematiku automatické diagnostiky EKG, a to na dvanáctisvodových záznamech. Tato problematika je řešena standardními metodami, jako například náhodný les, umělé neuronové sítě nebo K-nejbližších sousedů. Díky své schopnosti samostatně extrahovat příznaky se ale těší oblibě i metody hlubokého učení. Všechny tyto metody jsou popsány v teoretické části. V praktické části byly navrženy deeplearningové modely, jejichž funkčnost byla ověřována za pomoci dat z databáze PhysioNet. Byly vytvořeny dva pilotní modely, které byly následně optimalizovány. Z celého progresu optimalizace parametrů jsou k dispozici tři modely, z nichž nejlepší dosahuje F1 skóre 87,35 % a přesnosti 83,7 %, a druhý nejlepší dosahuje F1 skóre 77,74 % a přesnosti 84,53 %. Výsledky, kterých bylo dosaženo, jsou diskutovány a porovnány s výsledky podobných publikací.
|