|
|
Grafické intro 64kB s použitím OpenGL
Minařík, Antonín ; Matýšek, Michal (oponent) ; Herout, Adam (vedoucí práce)
Práce řeší tvorbu grafického intra s použitím OpenGL, jehož velikost nesmí přesáhnout 64 kB. Popsané a použité techniky zahrnují: Phongův osvětlovací model, mlhu, skybox, generování textur pomocí šumu a shadow mapping. Intro se odehrává ve velkoměstě, a jsou popsány techniky využité pro generování všech prvků města. Dále jsou popsány metody snížení velikosti aplikace a systém pro animaci kamery.
|
|
|
Optická lokalizace velmi vzdálených cílů ve vícekamerovém systému
Bednařík, Jan ; Beran, Vítězslav (oponent) ; Herout, Adam (vedoucí práce)
Tato práce představuje semiautonomní systém pro optickou lokalizaci velmi vzdálených pohyblivých cílů za pomocí několika polohovatelných kamer. Kamery byly kalibrovány a zastaničeny pomocí speciálně navržených kalibračních terčů a metodologie, jejímž účelem je minimalizovat hlavní zdroje chyb, jež byly objeveny během důkladné analýzy přesnosti. Detekce cíle probíhá manuálně, zatímco vizuální sledování je automatické a staví na dvou state-of-the-art přístupech. Odhad 3D lokace cíle je založen na triangulaci z více pohledů pracující s nepřesnými měřeními. Základní sestava o dvou kamerových jednotkách byla otestována na statických cílech a pohybujícím se pozemním cíli, přičemž byla přesnost odhadu lokace cíle porovnána s teoretickým modelem. Díky modularitě a přenosnosti je možné systém použít v široké škále situací, jako je například monitoring vytyčeného území, včasná detekce hrozby v bezpečnostních systémech nebo řízení vzdušeného provozu
|
|
|
Mobilní aplikace pro správu a rezervace sportovních lekcí
Hynek, Tomáš ; Tomešek, Jan (oponent) ; Herout, Adam (vedoucí práce)
Cílem této práce je vytvořit mobilní aplikaci pro operační systém Android, která umožní urychlit a obstarat kompletní proces a správu rezervací sportovních lekcí. V aplikaci vystupují dvě role uživatele. Prvním typem uživatele je trenér, který může nabízet svoje sportovní lekce. Pokud si jeho lekce někdo rezervuje, aplikace mu to patřičně oznámí. Všechny své rezervace lekcí může spravovat a zobrazovat pomocí kalendáře. Naopak uživatel nebo-li sportovec, který provádí rezervace, může lekce vyhledávat dle jejich názvu nebo vzdálenosti místa konání. Aplikace s názvem Fittyy je vytvořena na základě pravidel Material Designu. Dále jsou v aplikaci využity moderní technologie Android Jetpacku, které umožňují ukládání lokálních dat, implementaci architektury MVVM nebo zpracování dat na pozadí. Pro komunikaci mezi trenérem a sportovcem byl využit CMS systém firmy Dactyl Group s.r.o.
|
|
|
Výukový program pro demonstraci metod osvětlení a stínování 3D objektů
Chvál, Vít ; Herout, Adam (oponent) ; Zuzaňák, Jiří (vedoucí práce)
Tato práce popisuje tvorbu výukového programu pro demonstraci metod osvětlení a stínování 3D objektů. V textu jsou podrobně popsány modely osvětlení. Těmi jsou Phongův a Lambertův, jako zástupci empirických modelů a BRDF jako zástupce fyzikálního modelu. Další část textu popisuje metody stínování. Je zde zmíněna konstantní, Gouraudova a Phongova metoda. Velká část textu také pojednává o tvorbě výukových programů. Zbytek textu je věnován návrhu aplikace a její implementaci.
|
|
|
Detekce jógových pozic v obraze
Kutálek, Jiří ; Bartl, Vojtěch (oponent) ; Herout, Adam (vedoucí práce)
Motivací pro tuto práci je koncept mobilní aplikace detekující jógové pozice a zobrazující výsledky uživateli. Cílem této práce je ověření hypotézy, že i jednoduchý model konvoluční neuronové sítě dokáže rozpoznávat a klasifikovat snímky z nahraných jógových sekvencí. Napsal jsem aplikaci, v níž se pořízená videa ručně oanotují. Výsledná data, sestávající ze snímků extrahovaných ze 162 jógových videí na základě jednotlivých anotací, jsou pak použita k trénování modelu sítě. Vytvořený Dataset obsahuje 22 000 obrázků reprezentující 22 různých jógových pozic. Snímky jsou z videí extrahovány pomocí knihovny OpenCV, trénování modelu je plně v režii platformy TensorFlow a API Keras, a výsledky jsou vizualizovány pomocí nástroje TensorBoard. Přesnost modelu detekovat jógové pozice dosahuje 91% při použití aktivační funkce sigmoid a binary cross-entropy loss function. I přes slibně vypadající dosažené výsledky jsou hlavním přínosem této práce nástroje pro tvorbu datasetu a vytvořený Dataset samotný. Díky nim byla navrhovaná hypotéza úspěšně ověřena.
|
|
|
Webová aplikace pro správu konzultací
Balajka, Pavel ; Špaňhel, Jakub (oponent) ; Herout, Adam (vedoucí práce)
Cílem práce je vytvořit aplikaci, která umožní lektorům vytvářet a spravovat konzultační schůzky, na které se poté studenti budou moci přihlašovat. Byla proto vytvořena webová aplikace určená pro provozování na serveru, ke které mohou lektoři a studenti přistupovat pomocí internetového prohlížeče. Zmíněný problém je řešen způsobem, který má svým uživatelům usnadňovat práci a poskytovat další možnosti ohledně správy konzultací. Aplikace umí například zasílat upozornění při uvolnění místa na konzultaci a nebo zobrazit historii konzultací -- který uživatel provedl jakou akci s vybranou konzultací. Postup jednoduchého použití aplikace je následovný: Lektor vytvoří konzultaci -- vybere datum, čas a počet míst. Student v aplikaci vyhledá lektora, zobrazí si jeho konzultace, vybere vhodný čas a jediným kliknutím se na konzultaci přihlásí. Aplikace byla vyvinuta primárně pro potřeby lektorů a studentů vysokých škol, avšak může být využita i jinými subjekty, které potřebují nebo chtějí systém, kde mohou vytvořit událost, na kterou se jiné osoby budou moci přihlásit.
|
|
| |
|
|
Rychlý průsečík paprsku se scénou
Stříž, Martin ; Zemčík, Pavel (oponent) ; Herout, Adam (vedoucí práce)
Zobrazení scény metodou sledování paprsku patří k používaným zobrazovacím metodám. Ačkoliv se nejedná o fotorealistickou zobrazovací metodu, poskytuje výstup s vysokou kvalitou obrazu. Její nevýhodou je značná výpočetní náročnost, proto se v praxi používají různé optimalizace. Práce se zabývá optimalizací dělením prostoru, konkrétně pomocí BSP a KD stromů a jejich vzájemným srovnáním.
|
|
|
Detekce objektů pomocí hlubokých neuronových sítí
Paníček, Andrej ; Herout, Adam (oponent) ; Teuer, Lukáš (vedoucí práce)
Táto práca sa zaoberá detekciou objektov pomocou hlbokých neurónových sietí. V rámci riešenia som upravil, implementoval a natrénoval dobre známy model kaskádových neuró- nových sietí MTCNN tak aby dokázal vykonávať detekciu dopravných značiek. Trénovacie dáta boli vygenerované z dátových sád GTSRB a GTSDB. MTCNN ukázal solídny výkon na vyhodnocovacích dátach z dátovej sady GTSDB, kde dosiahol presnosť detekcie 97.8 %.
|
|
|
Rozpoznání vzorů v obraze pomocí klasifikátorů
Juránek, Roman ; Španěl, Michal (oponent) ; Herout, Adam (vedoucí práce)
V této práci bude představen algoritmus AdaBoost, který slouží k vytvoření silné klasifikační funkce z několika slabých hypotéz. Bude vyloženo teoretické pozadí algoritmu a způsob konstrukce silného klasifikátoru. Dále bude popsáno rozšíření algoritmu o sekvenční rozhodovací strategii nazývané WaldBoost. Práce se zabývá také obrazovými příznaky, které jsou v mnoha případech základem slabých klasifikátorů. Kromě popisu zmíněných algoritmů bude uveden základ rozpoznávání vzorů v kontextu počítačového vidění a budou uvedeny některé často používané metody trénování klasifikátorů. Součástí práce bylo vytvoření knihovny pro detekci objektů založené na klasifikátorech trénovaných metodou AdaBoost. Tato knihovna byla následně využita v implementaci programu, který prakticky demonstruje detekce obejktů ve videosekvencích. Poslední část práce popisuje nástroj pro trénování AdaBoost klasifikátorů.
|
host ::
RSS.