|
Implementace obrazových klasifikátorů v FPGA
Kadlček, Filip ; Puš, Viktor (oponent) ; Fučík, Otto (vedoucí práce)
Práce je zaměřena na obrazové klasifikátory a jejich implementaci v FPGA. Klasifikátory dělí na dvě skupiny - slabé a silné klasifikátory. Ve skupině silných klasifikátorů se zaměřuje především na AdaBoost. Ve skupině slabých klasifikátorů jsou probrány základní příznakové klasifikátory, jakými jsou například klasifikátory založené na Haarových nebo Gaborových vlnkách, ale především je kladen důraz na klasifikátory LBP, LRP a LR. Naposled uvedené klasifikátory jsou vhodné pro implementaci v FGPA. Na základě těchto klasifikátorů je navržena pseudo-paralelní architektura. Architektura uvažuje provedení klasifikace v FPGA a následné zpracovávání výsledků v počítači. Navržený klasifikátor je velmi rychlý a každý hodinový cyklus produkuje výstup klasifikace.
|
|
Sledování objektu ve videu
Sojma, Zdeněk ; Beran, Vítězslav (oponent) ; Herout, Adam (vedoucí práce)
Diplomová práce popisuje principy činnosti nejvíce používaných druhů systémů pro sledování různých objektů ve videu a poté se především zaměřuje na popis a implementaci algoritmu pro interaktivní offline sledování obecných barevných objektů, jehož přednost spočívá ve vysoké přesnosti výpočtu trajektorie. Systém vytváří trajektorii z dat, jež jsou specifikována uživatelem při startu aplikace a poté interaktivně modifikována či přidávána za účelem zlepšení přesnosti výpočtu. Algoritmus je založen na detektoru, který pracuje na základě barevných příznaků, a na časové koherenci pohybu objektu, pomocí níž se vypočte více pravděpodobných trajektorií objektu. Výsledná optimální trajektorie je poté spočtena pomocí dynamického programování, jehož parametry jsou opět interaktivně upravovány uživatelem. Systém na videu o rozlišení 480x360 bodů pracuje rychlostí v rozmezí 15 až 70 snímků za vteřinu. Práce se dále zabývá vytvořením nástroje na optimální vyhodnocení úspěšnosti sledovacího algoritmu a diskutuje dosažené výsledky.
|
|
Využití grafického procesoru jako akcelerátoru - technologie OpenCL
Hrubý, Michal ; Jošth, Radovan (oponent) ; Zemčík, Pavel (vedoucí práce)
Tato práce se zabývá technologií OpenCL a jejím využitím pro detekci objektů. První část je zaměřená na popis principů technologie OpenCL a základní teorii o detekci objektů. Následuje kapitola analýzy, kde je navržená metoda zpracování s přihlédnutím na možnosti OpenCL. Další část popisuje samotnou implementaci detekční aplikace a experimentálně vyhodnocuje výkon detektoru. Poslední kapitola shrnuje dosažené výsledky.
|
|
Ovládání počítače pomocí gest
Charvát, Jaroslav ; Beran, Vítězslav (oponent) ; Bartoň, Radek (vedoucí práce)
Diplomová práce "Ovládání počítače pomocí gest" zpracovává teoretické poznatky z oblasti problematiky počítačového vidění, rozpoznávání gest a podrobněji popisuje jednotlivé metody, použité k vývoji programu. Praktickou část této práce tvoří popis funkčnosti vyvinuté aplikace, pomocí které je možné ovládat počítač gesty pravé i levé ruky a hlavy. Program funguje na základě prvotní detekce kůže, následně pracuje na vyhledávání gest dlaní a hlavy. Pro tyto činnosti byly mimo jiné využity metody AdaBoost a PCA.
|
|
AdaBoost v počítačovém vidění
Hradiš, Michal ; Zemčík, Pavel (oponent) ; Potúček, Igor (vedoucí práce)
V této diplomové práci jsou představeny nové obrazové příznaky "local rank differences" (LRD). Tyto příznaky jsou invariantní vůči změnám osvětlení a jsou vhodné k implementaci detektorů objektů v programovatelném hardwaru, jako je například FPGA. Chování klasifikátorů s LRD vytvořených pomocí algoritmu AdaBoost bylo otestováno na datové sadě pro detekci obličejů. LRD v těchto testech dosáhly výsledků srovnatelných s výsledky klasifikátorů s Haarovými příznaky, které jsou používány v nejlepších současných detektorech objektů pracujících v reálném čase. Tyto výsledky ve spojení s faktem, že LRD je možné v FPGA vyhodnocovat několikanásobně rychleji než Haarovy příznaky, naznačují, že by LRD příznaky mohly být řešením pro budoucí detekci objektů v hardwaru. V této práci také prezentujeme nástroj pro experimenty s algoritmy strojového učení typu boosting, který je speciálně uzpůsoben oblasti počítačového vidění, je velmi flexibilní, a přitom poskytuje vysokou efektivitu učení a možnost budoucí paralelizace výpočtů. Tento nástroj je dostupný jako open source software a my doufáme, že ostatním ulehčí vývoj nových algoritmů a příznaků.
|
|
Rozpoznání vzorů v obraze pomocí klasifikátorů
Juránek, Roman ; Španěl, Michal (oponent) ; Herout, Adam (vedoucí práce)
V této práci bude představen algoritmus AdaBoost, který slouží k vytvoření silné klasifikační funkce z několika slabých hypotéz. Bude vyloženo teoretické pozadí algoritmu a způsob konstrukce silného klasifikátoru. Dále bude popsáno rozšíření algoritmu o sekvenční rozhodovací strategii nazývané WaldBoost. Práce se zabývá také obrazovými příznaky, které jsou v mnoha případech základem slabých klasifikátorů. Kromě popisu zmíněných algoritmů bude uveden základ rozpoznávání vzorů v kontextu počítačového vidění a budou uvedeny některé často používané metody trénování klasifikátorů. Součástí práce bylo vytvoření knihovny pro detekci objektů založené na klasifikátorech trénovaných metodou AdaBoost. Tato knihovna byla následně využita v implementaci programu, který prakticky demonstruje detekce obejktů ve videosekvencích. Poslední část práce popisuje nástroj pro trénování AdaBoost klasifikátorů.
|
|
Vyhledávání osob ve fotografii
Svoboda, Pavel ; Žák, Pavel (oponent) ; Švub, Miroslav (vedoucí práce)
Základem rozpoznávání lidí ve fotografii je obecně počítačové vidění, které poskytuje metody a algoritmy pro samotnou implementaci. Některé z nich popisuje právě tato práce. Celý proces rozpoznávání lidí je zpracován do tří fází. Těmi jsou detekce, zarovnání detekovaného obličeje a konečně jeho rozpoznání. Ke každé fázi jsou zmíněny algoritmy, které se v dané problematice používají a jenž jsou ze současného pohledu stále vyvíjeny. V implementaci tvoří páteř systému 3 základní algoritmy, mezi které patří AdaBoost pro získání klasifikátoru k detekci, metoda zarovnání obličeje na základě markantních rysů a metoda Eigenfaces k samotnému rozpoznávání. Teoreticky jsou rozebrány mimo výše uvedené i neuronové sítě pro detekci, ASM - Active Shape Models pro zarovnání a AAM - Active Appearance Model pro rozpoznávání. Závěrem nechybí tabulky dat vyhodnocující implementaci.
|
|
Detekce obličeje
Šašinka, Ondřej ; Hradiš, Michal (oponent) ; Juránek, Roman (vedoucí práce)
Tato diplomová práce se zabývá detekcí obličeje v obraze. Bude zde uveden přístup, který nejprve detekuje jednotlivé obličejové rysy (oči, nos, koutky úst), které pak podle určitých pravidel spojuje do výsledné detekce obličeje. Pro detekci obličejových rysů jsou použity klasifikátory natrénované algoritmem AdaBoost. Jako příznaky pro klasifikaci jsou použity Haarovy vlnky.
|
|
Detekce objektů v obraze
Kubínek, Jiří ; Beran, Vítězslav (oponent) ; Hradiš, Michal (vedoucí práce)
Práce je věnovaná metodám detekce objektů v obraze. Seznamuje čtenáře se základními přístupy a algoritmy užívanými v této problematice, zejména pak s algoritmem AdaBoost, jeho rozšířením WaldBoost a s některými příznaky užívanými pro detekci objektů. Významnou část práce tvoří rozšíření datových sad pro trénování klasifikátoru a implementace histogramu gradientů pro rozšíření stávajícího systému pro detekci objektů. Nedílnou součástí práce je zhodnocení dosažených výsledků v podobě provedených experimentů.
|
|
Detekce obličejů ve videu
Kolman, Aleš ; Řezníček, Ivo (oponent) ; Polok, Lukáš (vedoucí práce)
Práce se zabývá problematikou detekce obličejů ve videu. Naleznete v ní souhrn základních barevných modelů. Poté je uveden popis a srovnání základních metod pro detekci lidské kůže s praktickou ukázkou implementace parametrického detektoru. Následuje teoretický základ pro detekci obličejů a sledování obličejů ve videu obsahující výčet základních pojmů a metod této problematiky. Vyšší důraz je kladen na popis algoritmu strojového učení AdaBoost a na popis možnosti použití Kalmanova filtru pro účely sledování detekovaných obličejů. V podlesní části práce jsou uvedeny návrh, implementace a testování knihovny realizované v rámci této diplomové práce.
|