|
|
Získávání znalostí na webu - shlukování
Rychnovský, Martin ; Burget, Radek (oponent) ; Bartík, Vladimír (vedoucí práce)
Práce se zabývá problematikou získávání znalostí na webu. Cílem bylo prostudovat metody shlukovaní a realizovat shlukování pomocí algoritmu k-means. Potom algoritmus testovat na množině dokumentů a datech získaných z webu a následně vyhodnotit dosažené výsledky této metody. Shlukování bylo implementováno pomocí technologie Java.
|
|
|
Detekce poznávací značky v obraze
Vacek, Michal ; Hradiš, Michal (oponent) ; Beran, Vítězslav (vedoucí práce)
V první části se práce zabývá již známými metodami detekce značek. Jsou zde popsány metody využívající zpracování obrazu, AdaBoost, či detekci extrémních regionů. Následuje návrh a implementace vlastního přístupu k detekci poznávacích značek využívající lokální detektory k vytvoření slovníku vizuálních slov. V závěru je metoda vyhodnocena.
|
|
|
Zpracování a visualizace hmotnostních spekter
Beneš, Ondřej ; Bendl, Jaroslav (oponent) ; Martínek, Tomáš (vedoucí práce)
Jedna z nových technik v oblasti analytické chemie, které nalézá stále více uplatnění v praxi, je zobrazovací hmotnostní spektrometrie. Díky její schopnost zaznamenat zastoupení látek ve vzorku při analýze tkáně však vznikají až GB dat a tyto data je nutné zpracovávat programově. Cílem této práce je vytvořit aplikaci pro zpracování a vizualizaci dat z nového standardu imzML. Součástí práce je stručný úvod do problematiky hmotnostní spektrometrie, konkrétněji pak typu MALDI TOF a jsou zde popsány některé metody předzpracování hmotnostně spektrometrických dat. V práci je také nahlédnuto na současný stav existující software a na základě požadavků spolupracující laboratoře je navržena a implementována nová aplikace nejen umožňující zobrazení dat, ale i jejich předzpracování jako jsou například metody vyhlazování dat Savitzky-Golay, interní kalibrace či vyhledávání píků pomocí spojité vlnkové transformace. K závěru jsou i některé ukázky vizualizovaných dat z reálných experimentů.
|
|
|
Předzpracování EKG signálu pro detekci významných bodů
Kuběna, Zdeněk ; Kozumplík, Jiří (oponent) ; Vítek, Martin (vedoucí práce)
Bakalářská práce na téma Předzpracování EKG signálu pro detekci významných bodů pojednává o prvotní úpravě sejmutého EKG signálu tak, aby byla umožněna následná diagnostika signálu. Hlavní úkol předzpracování spočívá v potlačení artefaktů, které se při snímání EKG signálu vyskytují a tím znemožňují následnou interpretaci. Protože se obvykle jedná o aditivní směs užitečného signálu se šumem, nejjednodušším způsobem předzpracování je lineární filtrace pomocí číslicových filtrů. V této práci jsou popsány nejčastější typy rušení, které se při snímání EKG signálu vyskytují. Dále je zde rozebrána problematika jejich potlačení a návrh jednotlivých filtrů s jejich bankou.
|
|
|
Image processing with neural networks
Gróf, Zoltán ; Pohl, Jan (oponent) ; Jirsík, Václav (vedoucí práce)
This bachelor’s thesis centralizes on the possible uses of neural networks in the field of computer vision. This work contains basic theoretic knowledge of the field of neural networks and image processing. It discusses how successfully can neural networks be applied through the separate steps of image processing, what kind of neural networks are suitable for these steps, and what are the problems that might appear with their use. The work discusses the fields of classification and image understanding in a more detailed level. It’s shown how the use of neural networks can be appropriate in these applications. An own program was created as part of this work to demonstrate the classification capabilities of neural networks. It’s shown a neural network is created and trained for the recognition of handwritten numbers. The trained neural network was subject to different tests, through which the conclusion was reached, that it works with a high success rate, but is sensitive to changes in the input objects: change of size and location. A number of possible solutions were designed for this problem.
|
|
| |
|
|
Snímač otisku prstu
Kovář, Martin ; Sekora, Jiří (oponent) ; Mézl, Martin (vedoucí práce)
Diplomová práce se zabývá problematikou snímání otisku lidského prstu, která je v současnosti velmi aktuální a představuje nejrozšířenější biometrickou technologii. Teoretická část práce seznamuje čtenáře se základy daktyloskopie a biometrie a pojednává o technologiích využívaných ke snímání otisků, o metodách předzpracování pořízených obrazů a o komerčně dostupných bezkontaktních optických snímačích. Praktickou částí práce je realizace bezkontaktního optického snímače založeného na minipočítači Raspberry Pi, implementace algoritmů pro zpracování snímků v jazyce Python a testování zařízení z hlediska kvality získaných otisků.
|
|
|
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.
|
|
| |
|
|
Automatické rozpoznávání stavu elektroměru z fotografie
HANZLÍK, Ondřej
Práce se zabývá problematikou rozpoznávání stavu elektroměru ze snímaného obrazu. Konkrétně jde o snímání elektroměru fotoaparátem mobilního telefonu. Na snímaném obraze je detekována plocha s číselníkem elektroměru a na té jsou následně detekována jednotlivá čísla. Ta jsou rozpoznávána za pomoci neuronové sítě. Pro získání informací z obrazu elektroměru, díky kterým dokážeme jeho stav rozpoznat, je využito technik segmentace obrazu. Pro klasifikaci výstupů segmentace je využito klasifikačních nástrojů, konkrétně vektorového stroje (SVM) a neuronové sítě. Pro řešení problematiky segmentace obrazu je použita knihovna OpenCV, stejně tak jako k implementaci vektorového stroje. Číslice na číselníku elektroměru jsou klasifikovány pomocí neuronové sítě, která byla vlastnoručně implementována. Celá aplikace pro rozpoznání je na platformě Android. Součástí práce je i vytvoření desktopové aplikace, která slouží pro testování neuronové sítě a vytváření jejích modelů. Práce současně popisuje, jak ukládat potřebná data získávaná v průběhu rozpoznávání, která jsou využívaná pro práci s neuronovou sítí. Součástí práce je spuštěný web, který bude rozvíjen pro možnost zapojení se do dalšího vývoje systému. Na webu je dostupný veřejný repozitář se zdrojovými kódy vytvořenými při implementaci.
|
host ::
RSS.