|
|
Automatické třídění fotografií podle obsahu
Matuszek, Martin ; Beran, Vítězslav (oponent) ; Španěl, Michal (vedoucí práce)
Tato práce se zabývá výběrem metod, návrhem a implementací aplikace schopné automatického třídění fotek dle jejich obsahu do předem daných skupin. Podrobněji se popisují jednotlivé hlavní kroky klasifikace. Vyhledání a popis význačných bodů v obraze metodou SURF, vytvoření vizuálního slovníku metodou k-means, mapování na slova přes strukturu kd-tree. Vytváří se vlastní hodnocení na základě kterého se klasifikuje. Je zde popsáno jak byly jednotlivé kroky implementovány s pomocí knihoven OpenCV a Qt. A taktéž jsou ukázány výsledky pro různá nastavení běhu aplikace a snahy o zlepšení výsledku, kdy aplikace dokáže roztřídit fotky správně, ale úspěšnost je kolísavá.
|
|
|
Hluboké neuronové sítě pro rozpoznání tváří ve videu
Stratil, Jan ; Sochor, Jakub (oponent) ; Hradiš, Michal (vedoucí práce)
Tato bakalářská práce se zabývá rozpoznáváním tváří ve videu pomocí hlubokých neuronových sítí. Tato úloha je rozdělena na 2 části. První část se zabývá trénováním sítě, která vytváří kompaktní příznakový vektor reprezentující identitu tváře ze snímku videa. Druhá část se zabývá trénováním agregační sítě, která vytvořené příznakové vektory agreguje v jeden. Tato agregace je rychlá a ukázala se být lepší než pooling metody. Výsledky jsou testovány na datasetu LFW , kde dosažená přesnost je 92.8% a na datasetu YTF , kde přesnost je 84.06%.
|
|
|
Klasifikace detekovaných vad
Janošík, Zdeněk ; Petyovský, Petr (oponent) ; Honec, Peter (vedoucí práce)
V této diplomové práci je popsán postup návrhu a realizace klasifikátoru vad detekovaných při konečné fázi výroby netkané textilie. Úvod práce je věnován analýze možností při zpracování a klasifikaci obrazu. Navazuje část, kde je popsán postup při segmentaci vad obrazu a extrakce příznakového vektoru, dále popis realizace klasifikátoru a přehled dosažených výsledků klasifikace na reálných snímcích detekovaných vad.
|
|
|
Hluboké neuronové sítě pro rozpoznání tváří ve videu
Stratil, Jan ; Sochor, Jakub (oponent) ; Hradiš, Michal (vedoucí práce)
Tato bakalářská práce se zabývá rozpoznáváním tváří ve videu pomocí hlubokých neuronových sítí. Tato úloha je rozdělena na 2 části. První část se zabývá trénováním sítě, která vytváří kompaktní příznakový vektor reprezentující identitu tváře ze snímku videa. Druhá část se zabývá trénováním agregační sítě, která vytvořené příznakové vektory agreguje v jeden. Tato agregace je rychlá a ukázala se být lepší než pooling metody. Výsledky jsou testovány na datasetu LFW , kde dosažená přesnost je 92.8% a na datasetu YTF , kde přesnost je 84.06%.
|
|
|
Automatické třídění fotografií podle obsahu
Matuszek, Martin ; Beran, Vítězslav (oponent) ; Španěl, Michal (vedoucí práce)
Tato práce se zabývá výběrem metod, návrhem a implementací aplikace schopné automatického třídění fotek dle jejich obsahu do předem daných skupin. Podrobněji se popisují jednotlivé hlavní kroky klasifikace. Vyhledání a popis význačných bodů v obraze metodou SURF, vytvoření vizuálního slovníku metodou k-means, mapování na slova přes strukturu kd-tree. Vytváří se vlastní hodnocení na základě kterého se klasifikuje. Je zde popsáno jak byly jednotlivé kroky implementovány s pomocí knihoven OpenCV a Qt. A taktéž jsou ukázány výsledky pro různá nastavení běhu aplikace a snahy o zlepšení výsledku, kdy aplikace dokáže roztřídit fotky správně, ale úspěšnost je kolísavá.
|
|
|
Klasifikace detekovaných vad
Janošík, Zdeněk ; Petyovský, Petr (oponent) ; Honec, Peter (vedoucí práce)
V této diplomové práci je popsán postup návrhu a realizace klasifikátoru vad detekovaných při konečné fázi výroby netkané textilie. Úvod práce je věnován analýze možností při zpracování a klasifikaci obrazu. Navazuje část, kde je popsán postup při segmentaci vad obrazu a extrakce příznakového vektoru, dále popis realizace klasifikátoru a přehled dosažených výsledků klasifikace na reálných snímcích detekovaných vad.
|
host ::
RSS.