|
|
Automatické zjišťování významu textu
Jeleček, Jiří ; Dvořák, Pavel (oponent) ; Povoda, Lukáš (vedoucí práce)
V rámci této práce byl navržen a implementován systém využívající technik dolování znalostí z textu za účelem rozpoznávání emocí v česky, anglicky a německy psaných textech a bylo provedeno zhodnocení jeho úspěšnosti. Protože je systém postaven převážně na metodě strojového učení, byla navrhnuta a vytvořena trénovací množina, která byla posléze použita k vytvoření modelu klasifikátoru pomocí vybraných algoritmů.
|
|
| |
|
|
Segmentace MR obrazů pomocí algoritmů strojového učení
Dorazil, Jan ; Mikulka, Jan (oponent) ; Dvořák, Pavel (vedoucí práce)
Tato práce se zabyvá segmentací snímků magnetické rezonance za použití algoritmu Random Forests. Využívané technologie při plnění práce zahrnují programovací jazyk C++ s knihovnami ITK a OpenCV. Práce popisuje postup zpracování obrazu od jeho načítání, předzpracování až po samotnou segmentaci. Výsledkem práce je program který plně automaticky segmentuje MR snímky hlavy myši na mozek a okolí.
|
|
| |
|
| |
|
|
Fúze obrazu v termografickém spektru
Petrásek, Daniel ; Dvořák, Pavel (oponent) ; Mekyska, Jiří (vedoucí práce)
V následující práci je uvedena teorie k problematice zpracování a fúze obrazu, která v dnešní době patří do skupiny nejvíce používaných způsobů zpracování obrazu. V první části jsou zmíněny základní poznatky o obraze a elektromagnetickém spektru. V druhé části jsou probrána některá fakta o infračerveném záření, termokamerách, dále výhody a nevýhody zobrazení v termografickém spektru. Dále jsou vysvětleny základní metody vyčíslení ostrosti obrazu, segmentace a prahování přechodů a šumu. V další části je uvedeno blokové schéma systému fúze obrazu a základní myšlenka postupu při jeho implementaci. V záveřečné části práce je popsán realizovaný systém fúze obrazu a nachází se zde podrobný popis dosažených výsledků, zhodnocení práce a návrh budoucího postupu pro zdokonalení celého systému.
|
|
| |
|
|
Šachový program s různými variantami šachů s rozdílným počátečním rozestavěním figur
Dvořák, Pavel ; Žák, Jakub (oponent) ; Rozman, Jaroslav (vedoucí práce)
Tato práce se zabývá rozborem všech komponent potřebných pro implementaci moderního šachového programu. Cílem je implementace několika šachových variant za použití struktur a algoritmů používaných v profesionálních šachových programech. Práce se zabývá principem reprezentace šachovnice v počítači a faktory hodnocení stavu hry jak v klasickém šachu, tak v implementovaných variantách. Nakonec obsahuje popis a srovnání rozhodovacích algoritmů a jejich rozšíření.
|
|
|
Vyhledávání fotografií podle obsahu
Dvořák, Pavel ; Beran, Vítězslav (oponent) ; Španěl, Michal (vedoucí práce)
Tato závěrečná práce se zabývá návrhem aplikace pro rychlé vyhledávání podobných fotografií ve velké databázi desítek až stovek tisíc fotografií. Součástí je návrh způsobu extrakce příznaků a vytvoření slovníku vizuálních slov. S tím je dále spojena problematika reprezentace těchto informací v databázi a způsob jejich rychlého vyhledávání. Na závěr jsou ve zprávě popsány experimenty s implementovanou aplikací, testy rychlosti vyhledávání a rozbor škálovatelnosti řešení.
|
|
|
Brain Tumor Detection and Segmentation in Multisequence MRI
Dvořák, Pavel ; Přibil, Jiří (oponent) ; Šprláková-Puková,, Andrea (oponent) ; Smékal, Zdeněk (vedoucí práce)
This work deals with the brain tumor detection and segmentation in multisequence MR images with particular focus on high- and low-grade gliomas. Three methods are propose for this purpose. The first method deals with the presence detection of brain tumor structures in axial and coronal slices. This method is based on multi-resolution symmetry analysis and it was tested for T1, T2, T1C and FLAIR images. The second method deals with extraction of the whole brain tumor region, including tumor core and edema, in FLAIR and T2 images and is suitable to extract the whole brain tumor region from both 2D and 3D. It also uses the symmetry analysis approach which is followed by automatic determination of the intensity threshold from the most asymmetric parts. The third method is based on local structure prediction and it is able to segment the whole tumor region as well as tumor core and active tumor. This method takes the advantage of a fact that most medical images feature a high similarity in intensities of nearby pixels and a strong correlation of intensity profiles across different image modalities. One way of dealing with -- and even exploiting -- this correlation is the use of local image patches. In the same way, there is a high correlation between nearby labels in image annotation, a feature that has been used in the ``local structure prediction'' of local label patches. Convolutional neural network is chosen as a learning algorithm, as it is known to be suited for dealing with correlation between features. All three methods were evaluated on a public data set of 254 multisequence MR volumes being able to reach comparable results to state-of-the-art methods in much shorter computing time (order of seconds running on CPU) providing means, for example, to do online updates when aiming at an interactive segmentation.
|
host ::
RSS.