Národní úložiště šedé literatury Nalezeno 179 záznamů.  začátekpředchozí58 - 67dalšíkonec  přejít na záznam: Hledání trvalo 0.02 vteřin. 
Rozpoznávání historických textů pomocí hlubokých neuronových sítí
Macurová, Nela ; Špaňhel, Jakub (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce se zabývá rozpoznáváním historických textů pomocí hlubokých neuronových sítí, konkrétně rozpoznáváním jednotlivých slov v gotickém písmu v českém jazyce. Je zde vytvořen obecný přehled o konvolučních sítích a metodách rozpoznávání textu. Byl vytvořen dataset, který se skládá z reálných i generovaných dat. Síť byla trénovná na generovaných datech a testována na reálných obrázcích slov. Tato navrhovaná metoda klasifikace slov, nebyla moc úspěšná, kvůli rozdílným testovacím a~trénovacím datům. 
Identifikace chodců
Jurča, Jan ; Špaňhel, Jakub (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce se zabývá identifikací osob z videa na základě rozpoznání postavy, obličeje a chůze. Pro rozpoznání postavy a chůze jsou využity předtrénované sítě. Zatímco k rozpoznání chůze je v rámci práce implementováno a srovnáno několik architektur sítí. Finální rozpoznání chodce probíhá na základě multimodální fůze realizované neuronovou sítí. Pro účely práce byl vytvořen vlastní dataset, zároveň se sadou nástrojů umožňující jeho téměř automatickou tvorbu.
Počítání vozidel ve statickém obraze
Hladiš, Martin ; Juránek, Roman (oponent) ; Špaňhel, Jakub (vedoucí práce)
Cílem této práce je porovnání modelů konvolučních neuronových sítí, které využívají princip počítání pomocí odhadu hustoty  pro úkol počítání vozidel ve statickém obraze. Celkem byly testovány tyto modely --  Counting CNN, Scale-adaptive CNN, Multi-Scale Fusion Net a Multi-scale CNN. Jejich schopnost odhadu byla testována na datasetech -- TRANCOS, CARPK, PUCPR+. Nejlepších výsledků dosáhl model Multi-Scale Fusion Net. Jeho přesnost odhadu na datasetu TRANCOS v metrice Mean Absolut Error  dosáhla hodnoty  8.05.
Využití hlubokého učení pro rozpoznání textu v obrazu grafického uživatelského rozhraní
Hamerník, Pavel ; Špaňhel, Jakub (oponent) ; Lysek, Tomáš (vedoucí práce)
Optické rozpoznání znaků (OCR) je již mnoho let oblastí zájmu. Je definován jako proces digitalizace obrazu dokumentu do sekvence znaků. Navzdory desetiletím intenzivních výzkumů jsou systémy OCR, které jsou srovnatelné s lidským zrakem, stále otevřenou výzvou. V této práci je vytvořen návrh takového systému, je implementován, který je schopen detekovat text v grafických uživatelských rozhraních.
Akční hra pro GearVR
Mladý, Jakub ; Špaňhel, Jakub (oponent) ; Herout, Adam (vedoucí práce)
Táto práca sa zaoberá štúdiom technológií a techník na tvorbu virtuálnej reality pre mobilné zariadenia. Obsahuje popis návrhu a implementácie akčnej hry, pomocou programu Unity Game Engine, ktorá dobre demonštruje možnosti zariadenia Gear VR. V práci sú popísané prekážky nastávajúce pri tvorbe hier pre virtuálnu realitu ako aj ich možné riešenia. Grafické prvky hry boli vyvíjané na základe výsledkov priebežného testovania užívateľmi. Samostatná pozornosť bola venovaná skúmaniu vplyvu vizuálnych efektov a herných prvkov využívaných v hrách na užívateľa vo virtuálnej realite.
Mobilní aplikace pro správu transakcí s kryptoměnami
Bobčík, Pavel ; Špaňhel, Jakub (oponent) ; Herout, Adam (vedoucí práce)
Cílem této bakalářské práce je vytvoření mobilní aplikace, jež má sloužit uživateli jako pomocný nástroj při obchodování s kryptoměnami. Aplikace tedy cílí na uživatele, kteří se zapojují do zmíněných obchodů. Uživatel má možnost evidovat své transakce typu nákup, prodej nebo směna. Aplikace pracuje se základními informacemi jako je množství, cena a název kryptoměny a datum pořízení. Na základě těchto informací provede patřičné výpočty pro správné uspořádání dle FIFO fronty. Transakce mohou být nadále upravovány. Získané informace jsou následně zpracovány. Uživatel má možnost vygenerovat PDF soubor, který slouží jako přehled jeho obchodování za zvolené daňové období. Rovněž si může zobrazit přehled vlastněných, respektive evidovaných, kryptoměn. Vzhled aplikace byl konzultován a upravován s potenciálními uživateli s cílem dosažení maximálního uživatelského prožitku a jednoduché orientace. Některé postřehy slouží jako možnosti dalšího vývoje aplikace.
Automatická kalibrace dopravní kamery pro měření rychlosti vozidel
Nociar, Marián ; Bartl, Vojtěch (oponent) ; Špaňhel, Jakub (vedoucí práce)
Táto bakalárska práca sa zaoberá návrhom a tvorbou systému pre automatickú kalibráciu dopravnej kamery za účelom merania rýchlosti vozidiel. Práca obsahuje teoretický úvod do problematiky kalibrácie kamery, popisuje princípy metód použitých v implementácií a zobrazuje navrhované riešenie, ktoré bolo implementované v jazyku Python3 s využitím knižníc OpenCV a NumPy. Dosiahnuté výsledky boli vyhodnotené nad datasetom BrnoCompSpeed, pričom priemerná chyba merania rýchlosti dosahuje hodnoty 6,71 km/h.
Jednoduše konfigurovatelný kontrolní kamerový systém pro průmyslové aplikace
Andrla, Ondřej ; Špaňhel, Jakub (oponent) ; Španěl, Michal (vedoucí práce)
Cílem této práce je vytvořit prototyp jednoduše konfigurovatelného kamerového systému, sloužícího ke kontrole výrobků na automatizované montážní lince. Práce je zvláště zaměřena na problematiku detekce LED. Detekována je jejich samotná přítomnost ve snímku a dále systém vyhodnocuje, zda LED svítí, a pokud ano, tak jakou barvou. Výsledné řešení umožňuje uživateli jednoduše definovat kontrolní metriky pro vyhledávaní kruhových objektů v obraze, a to pomocí konfigurační aplikace s grafickým uživatelským rozhraním. Příslušná konfigurace se ukládá do souboru ve formátu JSON. Dále byl implementován runtime, který na základě konfigurace samostatně zpracovává záznam z kamery, kontroluje výrobky a podává o nich zprávy dalším součástem systému.  K detekci objektů v obraze systém využívá Houghovu kruhovou transformaci. K otestování efektivnosti systému byl vytvořen datový soubor za pomoci nástroje FitKit s maticí LED. Při testování runtime na datovém souboru se podařilo dosáhnout celkové správnosti detekce LED 97,79%.
Detekce dopravních prostředků v obraze a videu
Rozprým, Dalimil ; Juránek, Roman (oponent) ; Špaňhel, Jakub (vedoucí práce)
Cílem této práce je porovnání dostupných vícetřídních detektorů při detekci silničních vozidel na vhodně vytvořené datové sadě. Jako vícetřídní detektory byly vybrány neuronové sítě určené k detekci a klasifikaci objektů v obraze. Experimentováno je s detektory Mask R-CNN, YOLOv4 a YOLACT++, které jsou v práci popsány. Výběr detektorů zastupuje různé architektury a přístupy k detekci. Pro účely učení a testování je v práci detailně popsána vytvořená datová sada a její parametry. Detekce je testována na obraze z běžného silničního provozu a samostatně na částečně překrytých objektech. Výsledkem práce je znovupoužitelná a rozšířitelné datová sada, naměřené výsledky dosažené při detekci a jejich hlubší rozbor.
Inovativní přehrávač hudby pro chytré telefony a PC
Richter, Roman ; Špaňhel, Jakub (oponent) ; Herout, Adam (vedoucí práce)
Cieľom tejto práce je vytvorenie hudobného prehrávača ako pre chytré telefóny, tak pre PC, ktorý pracuje s lokálnymi hudobnými súbormi v užívateľovom zariadení a ktorý sa dokáže naučiť, ktoré pesničky má užívateľ rád a to na základe jeho činností počas počúvania hudby. Prehrávač si okrem iného dokáže zapamätať, ktoré pesničky užívateľ preskočil, kedy zvýšil hlasitosť prehrávania alebo koľkokrát bola daná pesnička prehraná. Každá pesnička má skóre, ktoré sa vypočíta na základe týchto činností. Čím väčšie je skóre, tým väčšia je aj šanca, že daná pesnička bude v budúcnosti prehraná. Výsledkom mojej práce sú dve plnohodnotné verzie hudobného prehrávača, ktoré dokážu medzi sebou komunikovať pre zaistenie synchronizácie skóre pesničiek. Hlavným prínosom tejto práce je zlepšenie užívateľskej skúsenosti počas počúvania hudby, ktoré je dosiahnuté vlastným algoritmom pre výber pesničiek a minimalistickým užívateľským rozhraním.

Národní úložiště šedé literatury : Nalezeno 179 záznamů.   začátekpředchozí58 - 67dalšíkonec  přejít na záznam:
Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.