|
|
Tracking People in Video Captured from a Drone
Lukáč, Jakub ; Orság, Filip (oponent) ; Goldmann, Tomáš (vedoucí práce)
This thesis deals with the problem of determining the location of a person through their distance from camera approximation. The location is derived from video which is captured using a drone. The goal here is to propose and test existing solutions, and state-of-the-art algorithms for each encountered subproblem of the tracking. This means overcoming challenges such as object detection, re-identification of persons in time, estimating object distance from the camera and processing data from various sensors. Then, I am using these methods to design the final solution which can operate in nearly real-time. Implementation is based on the use of Intel NCS accelerator unit with the cooperation of small computer Raspberry Pi. Therefore, the setup may be easily mounted directly to a drone. The resulting application can generate tracking metadata for detected individuals in the recording. Afterwards, the positions are visualised as paths for better end-user presentation.
|
|
|
Inteligentní manipulace s laboratorními objekty pomocí robotu ABB YuMi
Nevřiva, Václav ; Parák, Roman (oponent) ; Matoušek, Radomil (vedoucí práce)
Cílem diplomové práce je návrh laboratorního stanoviště a řídícího programu obsluhovaného pomocí kaloborativního robota IRB 14000 YuMi s využitím integrované kamery efektoru k identifikaci laboratorních objektů a řízení průběhu úlohy. V úvodní části jsou stručně představeni kolaborativní roboti, detailněji je popsán IRB 14000, na kterém je úloha realizována, a vývojové prostředí RobotStudio spolu s nadstavbou IntegratedVision. Následující kapitoly popisují samotnou laboratorní úlohu, její řešení a testování navrženého programu.
|
|
|
Mobilní aplikace pro vyhledávání a správu receptů
Lončík, Andrej ; Šůstek, Martin (oponent) ; Zbořil, František (vedoucí práce)
Cieľom tejto práce je vytvoriť mobilnú aplikáciu pre zariadenia s operačným systémom Android, ktorá slúži pre vyhľadávanie a spravovanie receptov a tvorbu jedálnička . Aplikácia by mala umožňovať hlasový vstup a rozpoznávanie ingrediencií z obrazu . Text práce popisuje celý proces tvorby mobilnej aplikácie od prvotnej myšlienky , cez analýzu konkurencie , návrhu užívateľského rozhrania , implementácie až po zaverečné testovanie a finálne publikovanie . Výsledné riešenie navyše umožňuje vytvárať vlastné recepty aj vyhladávať recepty na základe dostupných ingrediencií . Tie je možné zadať textom , hlasovým vstupom alebo pomocou rozpoznávania z obrazu vďaka nástroju Firebase ML Kit Image Labelling. Súčasťou je autentizácia pomocou Google účtu a uchovávanie užívateľského obsahu vo Firebase Realtime Database. Mobilná aplikácia je zverejnená v obchode Google Play pod názvom Recipio .
|
|
|
Čtečka Braillova písma
Mezírka, Martin ; Šolony, Marek (oponent) ; Maršík, Lukáš (vedoucí práce)
Tato bakalářská práce se zabývá problematikou převodu naskenovaného Braillova dokumentu na text. Nejprve se zaměřuje na samotné Braillovo písmo a princip skenerů. Dále představuje návrh možného způsobu rozpoznávání Braillových dokumentů. Nakonec je umístěn popis implementace programu s přehledem použitých knihoven OpenCV a Qt frameworku. Závěr poskytuje přehled spolehlivosti použitého řešení a diskutuje další možná rozšíření programu.
|
|
|
Hluboké neuronové sítě v rozpoznávání obrazu
Munzar, Milan ; Kolář, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
Neuronové sítě jsou dnes jeden z nejúspěšnějších modelů pro strojové učení. Můžeme je nalézt v autonomínch robotických systémech, v rozpoznávání objektů i řeči, predikci a mnoha jiných odvětvích umělé inteligence. Tato práce seznámí čtenáře s tímto modelem a jeho rozšířením, které se používá pro rozpoznávání objektů. Posléze popisuje aplikaci těchto konvolučních neuronových sítí(CNNs) pro klasifikaci obrazků na datasetech Caltech101 a Cifar-10. Na příkladu této aplikace diskutuje a měří efektivnost různých technik používaných v CNNs. Výsledky ukazují, že tyto sítě jsou bez dalších rozšíření schopné dosáhnout 80\% přesnosti na datasetu Cifar-10 a 37\% přesnosti na datasetu Caltech101.
|
|
|
Charakterizace chodců ve videu
Studená, Zuzana ; Špaňhel, Jakub (oponent) ; Hradiš, Michal (vedoucí práce)
Táto práca sa zaoberá získavaním informácií o chodcoch, ktorí sú zachytení pomocou statických vonkajších kamier umiestnených na verejných vonkajších alebo vnútorných priestranstvách. Cieľom je za použitia konvolučných neurónových sietí získať, čo najväčšie množstvo informácií ako je napríklad pohlavie, vek a typ oblečenia, doplnky, módny štýl alebo celková charakteristika osoby. Časť práce pozostáva z tvorby novej dátovej sady, ktorá zachytáva chodcov a k nim informácie o pohlaví, veku a módnom štýle osoby. Ďalšou časťou práce je návrh a implementácia konvolučných neurónových sietí, ktoré klasifikujú spomínané charakteristiky chodcov. Neurónové siete vyhodnocujú vstupné obrázky chodcov v dátových sadách PETA, FashionStyle14 a BUT atribúty chodcov. Vykonané experimenty nad dátovými sadami PETA a FashionStyle porovnávajú moje výsledky rôznych konvolučných neurónových sietí s publikáciami. Ďalšie experimenty sú ukázané na novo vytvorenej dátovej sade BUT atribúty chodcov.
|
|
|
Určování počasí podle snímků oblaků
Kukaň, Tomáš ; Goldmann, Tomáš (oponent) ; Orság, Filip (vedoucí práce)
Hlavním cílem této práce bylo vytvořit aplikaci schopnou předpovědět nastávající počasí na základě fotografie oblak s využitím konvolučních neuronových sítí. V této práci jsou popsané kategorie oblak a jejich odpovídající předpověď. Dále zde jsou výsledky experimentů s různými architekturami sítí a datasetů s přihlédnutím na jejich úspěšnost v rozeznání typu oblak. Nakonec je tu krátce popsána tvorba finální aplikace a řešení problémů, kterým jsem čelil při její implementaci.
|
|
|
Mobilní aplikace využívající hlubokých konvolučních neuronových sítí
Poliak, Sebastián ; Herout, Adam (oponent) ; Sochor, Jakub (vedoucí práce)
Táto práca popisuje proces tvorby mobilnej aplikácie, ktorá využíva hlboké konvolučné neurónové siete. Proces začína predstavením hlavnej myšlienky, po ktorej nasleduje produktový a technický návrh, implementácia a vyhodnotenie. Práca taktiež skúma technické pozadie rozpoznávania obrazu, a vyberá najvhodnejšie možnosti pre účely aplikácie. Tie sú detekcia objektov a multi-label klasifikácia, ktoré sú obe implementované, vyhodnotené a porovnané. Výsledná aplikácia sa snaží priniesť hodnotu z užívateľského aj technického hľadiska.
|
|
|
Hluboké neuronové sítě pro analýzu medicínských obrazových dat
Bíl, Tomáš ; Kodym, Oldřich (oponent) ; Španěl, Michal (vedoucí práce)
Cílem této práce je vyvinout konvoluční neuronovou síť, která bude správně klasifikovat vhodnost rentgenových snímků pro účely kefalometrické analýzy. V rámci tohoto zadání byly vytvořeny 4 sítě, které byly natrénovány na datasetu. Jedná se 2 sítě typu VGG, jedna upravená síť UNet a jedna síť Resnet. Dataset byl vygenerován z ct snímků. Nejlepších výsledků dosáhla síť VGG se 4 bloky. Naměřená přesnost na testovacím datasetu je 97%.
|
|
|
Segmentace obrazu pomocí strojového učení
Matějek, Libor ; Frýza, Tomáš (oponent) ; Bravenec, Tomáš (vedoucí práce)
Tato práce se zabývá strojovým učením a jeho aplikací do oblasti segmentace obrazu a rozpoznávání objektů. V práci je popsána základní terminologie související se strojovým učením a dat, které s ním souvisí. Dále se zaměřuje na biologickou podstatu neuronu a jeho technologické aplikace. Jsou zde přiblíženy základní druhy neuronových sítí a pro zpracování obrazu stěžejní konvoluční neuronová síť. Práce také uvádí využívané architektury konvolučních neuronových sítí. Dále navazují metody předzpracování obrazu před konvoluční sítí R-CNN. Následně jsou rozebrány některé z datasetů vhodných pro rozpoznání obrazu. Implementace je pak realizována v jazyce Python s podporou frameworku PyTorch od Facebooku.
|
host ::
RSS.