|
|
Cloudová aplikace pro analýzu dopravy
Valchář, Vít ; Sochor, Jakub (oponent) ; Herout, Adam (vedoucí práce)
Cílem této práce je vytvořit cloudovou aplikaci pro analýzu videa bez znalosti jakýchkoliv parametrů kamery. Jediným vstupem je tak adresa webové kamery. Aplikace je postavena na již existujícím řešení. To je vylepšeno přidáním nového modulu pro odstranění překážek, jako je např. sloup veřejného osvětlení zastiňující část vozovky, a modulu pro rozdělení dvou blízko sebe jedoucích vozidel. Výsledné cloudové řešení je tvořeno soustavou dílčích aplikací, které spolu komunikují pomocí HTTP zpráv a jsou ovládány přes webové rozhraní.
|
|
|
Paralelní trénování hlubokých neuronových sítí
Šlampa, Ondřej ; Sochor, Jakub (oponent) ; Hradiš, Michal (vedoucí práce)
Cílem této práce je navrhnou způsob jak zhodnotit výhodnost použití paralelního trénování neuronových sítí. V této práci jsem provedl analýzu paralelního trénování se zaměřením na délku trénování. Vycházím ze sekvenční délky trénování a délky přenosu vah po síti. Výsledkem této práce je návrh vzorců, které slouží k odhadu zrychlení na více výpočetních jednotkách. Tyto vzorce je možné použít na zjištění ideálního počtu pracovních jednotek pro trénování.
|
|
|
Systém automatického přístupu na parkoviště pomocí rozpoznání registrační značky
Václavek, Patrik ; Sochor, Jakub (oponent) ; Špaňhel, Jakub (vedoucí práce)
Cílem této práce bylo navrhnout a implementovat systém pracující v reálném čase, schopný detekovat příjezd vozidla k terminálu parkoviště, rozpoznat registrační značku a automaticky rozhodnout o jeho vpuštění. Systém pro detekci příjezdu automobilu využívá algoritmus Gaussian Mixture Model. Pro spolehlivou lokalizaci registrační značky jsou použity dvě metody. V první jsou extrahovány Maximálně Stabilní Extrémní Regiony (MSER), zatímco ve druhé je použita transformace Top-Hat. Pro určení, zda se u nalezených regionů jedná o registrační značku, je využito klasifikátoru Support Vector Machine (SVM). Klasifikace znaků je provedena použitím umělé neuronové sítě. Pro implementaci byla použita knihovna OpenCV. Extrakce MSER byla díky navržené optimalizaci zrychlena až sedmkrát. Při lokalizaci registrační značky se podařilo dosáhnout úspěšnosti 92,47% a spolehlivost klasifikace dosahuje 90,03%.
|
|
|
Detekce, sledování a klasifikace automobilů
Vopálenský, Radek ; Sochor, Jakub (oponent) ; Juránek, Roman (vedoucí práce)
Cílem této diplomové práce je navrhnout a implementovat v jazyce C++ systém pro detekci, sledování a klasifikaci automobilů ze streamů nebo záznamů dopravních kamer. Systém běží na platformě robotického operačního systému a využívá knihovny OpenCV, FFmpeg, TensorFlow a Keras. Pro detekci je využit kaskádový klasifikátor, pro sledování Kalmanův filtr a pro klasifikaci konvoluční neuronová síť. Z celkového počtu 627 automobilů bylo správně sledováno 479. Z toho bylo klasifikováno celkem 458 (nejsou zahrnuty kamiony nebo nákladní automobily). Výsledný systém je možné využívat pro analýzu dopravy.
|
|
|
Re-identifikace automobilů pomocí registrační značky
Hažmuka, Tomáš ; Špaňhel, Jakub (oponent) ; Sochor, Jakub (vedoucí práce)
Tato práce se zabývá návrhem a tvorbou aplikace pro reidentifikaci vozidel ve dvou videích. Práce popisuje metody zpracování obrazu a detekci objektů v něm a identifikaci symbolů. Vytvořená aplikace používá knihovnu OpenCV k velkému množství úkonů. Aplikace je napsaná v jazyce C++, standart C++11. Tato práce se dále popisuje otestování aplikace na vstupních datech včetně natrénování referenčních dat.
|
|
|
Zjištění současného stavu zařazování výuky úpolů v hodinách tělesné výchovy na druhém stupni základních škol, středních školách a gymnáziích v Praze
Sochor, Jakub ; Zdobinský, Adam (vedoucí práce) ; Pavelka, Radim (oponent)
Název: Zjištění současného stavu zařazování úpolů v hodinách tělesné výchovy na II. stupni základních škol, středních školách a gymnáziích v Praze Cíl: Cíl výzkumu je zjistit, jak výuka v hodinách tělesné výchovy reflektuje doporučení RVP ohledně výuky úpolů, jaký podíl v rámci TV výuka úpolů zaujímá a popsat trendy zařazování nebo důvody nezařazování úpolů do hodin školní tělesné výchovy z pohledu učitelů tělesné výchovy. Metody: Analýza literatury zabývající se daným tématem. Jako výzkumný instrument jsme zvolili dotazníkové šetření. Na základě dříve publikovaného dotazníku, který se zabýval otázkou výuky úpolů u menšího výběru škol moravského kraje (Reguli, Ďurech, Vít, 2007), jsme vytvořili účelový dotazník. Dotazník byl vytvořen na platformě služby survio.com a distribuován pomocí elektronické pošty ředitelům škol. Ti dotazník dále předali učitelům tělesné výchovy. Výsledky: Na základě vyhodnocení dotazníku, bylo zjištěno, že 75 z 84 učitelů zařazuje úpoly do hodin TV. Z celkového počtu dotázaných tvořili 48 respondentů muži a 34 ženy. Největší zastoupení mezi našimi respondenty měli osoby mezi 31 - 40 lety. Nejvíce respondentů učí pouze na ZŠ, celkem 48. Pádové techniky do svých hodin TV zařazuje 36 respondentů. Nejvíce 67 dotázaných zařazuje úpolové hry. U sebeobrany si lze povšimnout, že...
|
|
|
Zjištění současného stavu zařazování výuky úpolů v hodinách tělesné výchovy na druhém stupni základních škol, středních školách a gymnáziích v Praze
Sochor, Jakub ; Zdobinský, Adam (vedoucí práce) ; Pavelka, Radim (oponent)
Název: Zjištění současného stavu zařazování úpolů v hodinách tělesné výchovy na II. stupni základních škol, středních školách a gymnáziích v Praze Cíl: Cíl výzkumu je zjistit, jak výuka v hodinách tělesné výchovy reflektuje doporučení RVP ohledně výuky úpolů, jaký podíl v rámci TV výuka úpolů zaujímá a popsat trendy zařazování nebo důvody nezařazování úpolů do hodin školní tělesné výchovy z pohledu učitelů tělesné výchovy. Metody: Analýza literatury zabývající se daným tématem. Jako výzkumný instrument jsme zvolili dotazníkové šetření. Na základě dříve publikovaného dotazníku, který se zabýval otázkou výuky úpolů u menšího výběru škol moravského kraje (Reguli, Ďurech, Vít, 2007), jsme vytvořili účelový dotazník. Dotazník byl vytvořen na platformě služby survio.com a distribuován pomocí elektronické pošty ředitelům škol. Ti dotazník dále předali učitelům tělesné výchovy. Výsledky: Na základě vyhodnocení dotazníku, bylo zjištěno, že 75 z 84 učitelů zařazuje úpoly do hodin TV. Z celkového počtu dotázaných tvořili 48 respondentů muži a 34 ženy. Největší zastoupení mezi našimi respondenty měli osoby mezi 31 - 40 lety. Nejvíce respondentů učí pouze na ZŠ, celkem 48. Pádové techniky do svých hodin TV zařazuje 36 respondentů. Nejvíce 67 dotázaných zařazuje úpolové hry. U sebeobrany si lze povšimnout, že...
|
|
| |
|
|
Automatic Traffic Video Surveillance: Fine-Grained Recognition of Vehicles and Automatic Speed Measurement
Sochor, Jakub ; Elder, James (oponent) ; Svoboda,, Tomáš (oponent) ; Herout, Adam (vedoucí práce)
This thesis presents my contributions to the state-of-the-art in Intelligent Transportation Systems and Computer Vision. Specifically, the work is focused on two tasks -- automatic speed measurement of vehicles and fine-grained recognition of vehicles. The problem of vehicle fine-grained recognition can be defined as a task where the system is supposed to produce exact fine-grained type (e.g. "Škoda Octavia combi mk2") for a presented vehicle. In my first paper on this topic, a method exploiting automatically constructed 3D bounding boxes around vehicles is proposed. The results show that the method significantly improves classification and verification accuracy. Further improvements and analysis of the approach was published in my second paper dealing with the problem. The improved approach eliminates necessity to know vanishing points a priori - it is possible to construct the 3D bounding box of the vehicle from a single image of the vehicle. The results show that our proposed method consistently improves classification accuracy by up to 12 percentage points with different Convolutional Neural Networks. The classification error was also reduced by up to 50 %.The second addressed problem is automatic speed measurement of vehicles. The proposed system should work from a single camera without any manual calibration or input. First, we had to collect a large dataset with precise ground truth speed measurements as there was no such dataset. The dataset contains over 20,000 vehicles with ground truth speed measurement acquired from two synchronized LIDAR optical gates. Furthermore, we proposed a method for fully automatic traffic surveillance camera calibration enabling precise speed measurement of vehicles. The approach is based on vanishing point estimation and 3D model alignment of several common vehicle models. The experimental results show that our method achieves 1.10 km/h mean speed measurement error while outperforming both state-of-the-art methods and manual calibration in the speed measurement task.
|
|
|
Rozpoznání typu vozidla z dohledové kamery
Mencner, Pavel ; Špaňhel, Jakub (oponent) ; Sochor, Jakub (vedoucí práce)
Cílem této práce je detekce vozidel v obraze z dopravní dohledové kamery a jemná klasifikace jejich typu (výrobce a model). V práci je implementována normalizační metoda Unpack, která slouží pro transformaci obrazu vozidla do jeho zdánlivé rovinné reprezentace, za účelem zvýšení úspěšnosti klasifikátoru. Metoda Unpack využívá pro normalizaci 3D bounding box vozidla, který je v testovací fázi sestaven z informací o kontuře a směru k úběžníkům vozidla. Součástí práce je srovnání přesnosti metody přímé a Unpack klasifikace. Řešení se skládá z více na sebe navazujících částí, které využívají konvolučních neuronových sítí. Tyto části jsou: detekce vozidel v obraze, odhad směru k úběžníkům scény řešený jako klasifikační úloha, detekce kontury vozidel s využitím konvoluční Encoder-Decoder sítě a jemná klasifikace typu vozidel. Pomocí klasifikace s využitím metody Unpack bylo dosaženo zvýšení přesnosti systému o 2% proti přímé klasifikaci, dosahujíc výsledné úspěšnosti 86%. Výsledkem práce je systém jemné klasifikace typu vozidel pracující se záznamem z dohledové kamery bez omezení pozorovacích úhlů.
|
host ::
RSS.