|
|
Vehicle Make and Model Recognition
Gregor, Adam ; Špaňhel, Jakub (oponent) ; Juránek, Roman (vedoucí práce)
In the practical part of the diploma thesis, the task of identifying the manufacturer and model of a vehicle (VMMR) was implemented. In the first part, a dataset of vehicles was compiled for machine learning purposes that consists of images from the Internet. This resulted in over 6 million images of cars, buses, motorbikes and trucks usable for the VMMR task. Next, as part of the experiments, a standard classification was used on a part of the dataset, when the encoder is followed by a classification layer implemented using a neural network. Also an approach with a supervised contrastive learning method, clustering embeddings from encoder for easier classification, was used. Since the first mentioned approach returned more accurate results, it was used in the further experiments. There, a larger portion of images from our dataset was used for training a classifier for the VMMR task. Other classifiers were trained on the Stanford Cars and Comprehensive cars datasets. Lastly, when comparing the functionality of the classifiers on different datasets we have found that the classifier trained on our dataset performed the best.
|
|
|
Detekce defektů desek ve výrobě polovodičů
Jašek, Filip ; Vágner, Martin (oponent) ; Dřínovský, Jiří (vedoucí práce)
Tato diplomová práce se zabývá problematikou detekce defektů desek ve výrobě polovodičů. V rámci této práce byly zkoumány metody identifikace defektních čipů a kontroly řízení výtěžnosti při výrobě polovodičů. Práce se rovněž zabývá metodami strojového učení pro rozpoznání obrazu s cílem klasifikace defektů ve výrobním procesu. První zvolený přístup využíval k inferenci sítě ResNet18, avšak ukázalo se, že jeho přesnost nedosahovala vysokých hodnot sledovaných metrik z důvodu nedostatečného množství vstupních dat. Pro tento sledovaný dataset tak bylo vyzkoušeno použití předtrénovaných sítí využívající topologie ResNet50v2. K navýšení metrik však došlo až s použitím jiného datasetu. Pomocí ladění hyperparametrů sítě a augmentací byly zkoumány další možnosti zlepšení výkonnosti sítě. V práci se také ukázalo, že použití autoenkodérů pro redukci datového toku při inferenci může navýšit rychlost samotné inference, avšak s degradací evaluačních metrik.
|
|
|
Steps Towards Improvements of Computer Vision Methods for Traffic Analysis
Špaňhel, Jakub ; Sablatnig, Robert (oponent) ; Šikudová, Elena (oponent) ; Herout, Adam (vedoucí práce)
The rapid urbanization and increasing number of vehicles on the roads have stretched traditional traffic management systems to their limits. Intelligent Transportation Systems (ITS) offer a solution, utilizing advanced technologies to enhance traffic flow and safety. The robustness of computer vision methods within ITS, essential for traffic analysis, remains a crucial area for improvement. This thesis substantially contributes to this field, specifically focusing on Vehicle Fine-Grained Recognition, Vehicle Re-Identification, License Plate Recognition, and Monocular Vehicle Speed Measurement. Several new datasets, highly appreciated by the research community, were introduced, enhancing the evaluation and exploration within each domain mentioned earlier. The main contributions can be summarized as follows: Novel method for aggregation of visual features for vehicle re-identification & dataset. Innovative approach to license plate recognition using alignment of the license plate and holistic recognition & three published datasets. Novel augmentation techniques for vehicle fine-grained recognition & extension of previously published dataset. The biggest dataset for vehicle speed measurement & baseline evaluation with state-of-the-art methods. The key findings of this work demonstrate a significant enhancement in the accuracy, efficiency, and robustness of computer vision methods applied to traffic analysis. This research's contributions have been recognized at top conferences and journals in ITS, setting new standards for future work. By advancing the current state of ITS and contributing valuable resources for ongoing research, this thesis represents a step towards more sustainable and efficient intelligent transportation systems.
|
|
|
Systém počítačového vidění pro rozpoznávání emocí
Wójcik, Jan ; Bilík, Šimon (oponent) ; Janáková, Ilona (vedoucí práce)
Semestrální práce se zabývá návrhem systému pro rozpoznávání emocí, který by měl být využit jako nástroj pro zlepšení komunikace s osobami s poruchou autistického spektra. Pro rozpoznávání emoce budou využívány data z kamery, jedná se tedy o aplikaci počítačového vidění. Práce se zabývá oblastmi jako je detekce obličeje, extrakce relevantních příznaků, hledání vhodného datasetu nebo návrh klasifikátoru.
|
|
|
Metody stabilizace polohy dronu pomocí obrazových dat
Koukal, Ondřej ; Raichl, Petr (oponent) ; Janoušek, Jiří (vedoucí práce)
Tato bakalářská práce se věnuje návrhu systému pro stabilizaci bezpilotního letadla. Účelem tohoto systému je na základě obrazových dat ze dvou kamer v reálném čase určovat přesnou polohu bezpilotního letadla v prostoru. V teoretické části jsou popsané metody zpracování obrazu a algoritmus pro určení polohy bezpilotního letadla. V praktické části je popsána realizace a testování systému.
|
|
|
Výukový přípravek pro autonomní řízení vozidel
Strašil, Vojtěch ; Zemčík, Tomáš (oponent) ; Honec, Peter (vedoucí práce)
Tato práce je věnována návrhu výukové pomůcky pro autonomní řízení určené primárně pro žáky druhého stupně základních škol a studenty škol středních. Cílem této práce bylo vytvoření robotu, který je schopen samostatně se pohybovat po čáře či v jízdním pruhu, jenž je tvořen dvěma čarami, na základě dat získaných z kamerového snímače. Práce se zabývá návrhem mechanické části robotu, řídicí elektroniky i softwarového vybavení. Mechanický základ robotu je tvořen RC autem, které bylo upraveno díly vytištěnými na 3D tiskárně. Řídící elektroniku tvoří jednodeskový počítač Raspberry Pi verze 4, který je doplněn o Adeept Robot HAT. Na toto rozšíření je následně připojena většina potřebných periférií. Obslužný software byl napsán v jazyce Python a v rámci práce bylo vytvořeno několik příkladů použití. Tyto ukázky obsahují algoritmy pro rozpoznávání čar i PSD regulátor.
|
|
|
Person Following by Spot Light Using Camera
Rajnoch, David
This paper describes design of person tracking system connected to spot light fixture. System is able to track actor or narrator walking on stage in theatre. System is designed to be easy to use and configure. Several issues connected with such tracking is mentioned in text below.
|
|
| |
|
|
3D Reconstruction of Historic Landmarks from Flickr Pictures
Šimetka, Vojtěch ; Maršík, Lukáš (oponent) ; Polok, Lukáš (vedoucí práce)
This thesis describes challenges in design and development of an application which reconstructs 3D model given set of 2D images. This technique is called bundle adjustment. The thesi discusses the 3D reconstruction pipeline and elaborates on each step. The first step covers dataset acquisition from the internet. The scripts used to download such data from Flickr and Google Images are described and image characteristics necessary for a good reconstruction are identified. Hereafter the paper compares different feature detectors, extractors and matchers to find best suited combination for reconstruction of historic landmarks. This is followed by description the reconstruction and optimization steps and their implementation. At the end of the thesis the implemented solution is examined on several datasets and compared with other existing solutions presented at the very beginning of the thesis.
|
|
|
Konvoluční neuronová síť pro segmentaci obrazu
Mitrenga, Michal ; Petyovský, Petr (oponent) ; Jirsík, Václav (vedoucí práce)
Cílem bakalářské práce je seznámit se s problematikou konvolučních neuronových sítí a realizovat segmentaci obrazu. Toto téma v sobě zahrnuje obor počítačového vidění, který je používán v systémech s umělou inteligencí. Zvláštní pozornost je věnována procesu segmentace obrazu. Dále se práce věnuje základním principům umělých neuronových sítí, struktuře konvolučních neuronových sítí a zejména pak popisu jednotlivých architektur sémantické segmentace. Vybraná architektura SegNet je použiti v praktické aplikaci spolu s před-učenou sítí. Součástí práce je databáze obrazů CamVid, která je použita pro trénování. Pro testování je vytvořena databáze vlastních snímků. Praktická část je zaměřená na trénování CNN a hledání nevhodnějších parametrů pro učení sítě za pomocí SW Matlab.
|
host ::
RSS.