|
|
Sledování pohybu osob ve video sekvenci
Johanová, Daniela ; Zahrádka, Jiří (oponent) ; Španěl, Michal (vedoucí práce)
Tato bakalářská práce se zabývá detekcí postavy ve videu pomocí Kinectu. Detektor lidských postav je založený na metodě ComboHod, která využívá barevné i hloubkové informace z obrazu. Cílem práce bylo vytvořit detektor postav, jehož funkci ukáži na statistické aplikaci. Aplikace shromažďuje statistické informace o lidech, kteří prošli kolem výlohy obchodu. Závěrem práce jsou popsány experimenty s detektorem v různých prostředích a podmínkách.
|
|
|
Klasifikace dokumentů podle tématu
Marek, Tomáš ; Škoda, Petr (oponent) ; Otrusina, Lubomír (vedoucí práce)
Tato práce se zabývá problematikou klasifikace textových dokumentů, a to především metodami klasifikace textu. Hlavním cílem této práce je rozebrat dva algoritmy pro klasifikaci dokumentů, implementovat je a následně porovnat. Byl zvoleny algoritmy Bayesovského klasifikátoru a klasifikátoru založeného na metodě support vector machines (SVM), které jsou v této práci podrobně analyzovány a popsány. Jedním z cílů této práce bylo optimálně vytvořit a vybrat příznaky, které by co nejvíce napomohly klasifikaci textu. V závěru práce je provedeno množství testů, ukazujících účinnost obou klasifikátorů za různých podmínek.
|
|
|
Sledování pohybu osob ve video sekvenci
Johanová, Daniela ; Zahrádka, Jiří (oponent) ; Španěl, Michal (vedoucí práce)
Tato bakalářská práce se zabývá detekcí postavy ve videu pomocí Kinectu. Detektor lidských postav je založený na metodě ComboHod, která využívá barevné i hloubkové informace z obrazu. Cílem práce bylo vytvořit detektor postav, jehož funkci ukáži na statistické aplikaci. Aplikace shromažďuje statistické informace o lidech, kteří prošli kolem výlohy obchodu. Závěrem práce jsou popsány experimenty s detektorem v různých prostředích a podmínkách.
|
|
|
Klasifikace dokumentů podle tématu
Marek, Tomáš ; Škoda, Petr (oponent) ; Otrusina, Lubomír (vedoucí práce)
Tato práce se zabývá problematikou klasifikace textových dokumentů, a to především metodami klasifikace textu. Hlavním cílem této práce je rozebrat dva algoritmy pro klasifikaci dokumentů, implementovat je a následně porovnat. Byl zvoleny algoritmy Bayesovského klasifikátoru a klasifikátoru založeného na metodě support vector machines (SVM), které jsou v této práci podrobně analyzovány a popsány. Jedním z cílů této práce bylo optimálně vytvořit a vybrat příznaky, které by co nejvíce napomohly klasifikaci textu. V závěru práce je provedeno množství testů, ukazujících účinnost obou klasifikátorů za různých podmínek.
|
host ::
RSS.