|
|
Vehicle Make and Model Recognition
Gregor, Adam ; Špaňhel, Jakub (oponent) ; Juránek, Roman (vedoucí práce)
In the practical part of the diploma thesis, the task of identifying the manufacturer and model of a vehicle (VMMR) was implemented. In the first part, a dataset of vehicles was compiled for machine learning purposes that consists of images from the Internet. This resulted in over 6 million images of cars, buses, motorbikes and trucks usable for the VMMR task. Next, as part of the experiments, a standard classification was used on a part of the dataset, when the encoder is followed by a classification layer implemented using a neural network. Also an approach with a supervised contrastive learning method, clustering embeddings from encoder for easier classification, was used. Since the first mentioned approach returned more accurate results, it was used in the further experiments. There, a larger portion of images from our dataset was used for training a classifier for the VMMR task. Other classifiers were trained on the Stanford Cars and Comprehensive cars datasets. Lastly, when comparing the functionality of the classifiers on different datasets we have found that the classifier trained on our dataset performed the best.
|
|
|
Počítání vozidel ve statickém obraze
Vágner, Filip ; Juránek, Roman (oponent) ; Špaňhel, Jakub (vedoucí práce)
Úkolem této práce je porovnání modelů konvolučních neuronových sítí určených k počítání vozidel ve statickém obraze pomocí odhadu hustoty se zaměřením na rozdílné velikosti objektů ve scéně. Celkem byly vyhodnoceny čtyři modely - Scale Pyramid Network, Scale-adaptive CNN, Multi-scale fusion network a CASA-Crowd. Vyhodnocení proběhlo na třech datových sadách - TRANCOS, CARPK, PUCPR+. Nejlepších výsledků dosáhl model Scale Pyramid Network. Na datové sadě TRANCOS dosáhl v metrice Mean Absolute Error hodnoty 5,44 a v metrice GAME(3) hodnoty 9,95.
|
|
|
Ovládání počítače pomocí gest
Lacko, Peter ; Herout, Adam (oponent) ; Juránek, Roman (vedoucí práce)
Tato práce se zabývá tvorbou systému pro ovládání počítače přes webkameru pomocí gest, přičemž gesto je zde chápáno jako pohyb ruky utvářející nějaký vzor. V úvodu jsou popsány metody pro detekci ruky v obrazu, sledování ruky a pro vyhodnocení pohybu použity v této práci. Následuje popis systému a jeho implementace, provádění a vyhodnocení testů. Výstupem práce je program umožňující jednoduché ovládání prohlížeče dokumentů a multimediálního přehrávače.
|
|
|
Detekce obličeje
Šašinka, Ondřej ; Hradiš, Michal (oponent) ; Juránek, Roman (vedoucí práce)
Tato diplomová práce se zabývá detekcí obličeje v obraze. Bude zde uveden přístup, který nejprve detekuje jednotlivé obličejové rysy (oči, nos, koutky úst), které pak podle určitých pravidel spojuje do výsledné detekce obličeje. Pro detekci obličejových rysů jsou použity klasifikátory natrénované algoritmem AdaBoost. Jako příznaky pro klasifikaci jsou použity Haarovy vlnky.
|
|
|
Multispectral Image Processing
Li, You ; Juránek, Roman (oponent) ; Zemčík, Pavel (vedoucí práce)
With the rapid development of multispectral image imaging technology in recent decades, the images acquired by imaging systems not only contain the RGB color bands in daily life but also have multispectral color bands and high spatial resolution in multispectral image data. This makes the images contain rich information about the characteristic target regions. Image fusion is also an important branch in the field of image processing, where multiple images from the same region at the same height are fused into a single image. Then the correlation between the spectral information of the multispectral images is enhanced. So that the information in the image is not lost. This thesis contains a description of the design and implementation of a multispectral image system, preprocessing of multispectral images, the fusion of multispectral images, and principal component analysis. Finally, an evaluation of the whole system is presented.
|
|
|
Detekce a sledování objektů pomocí význačných bodů
Bílý, Vojtěch ; Hradiš, Michal (oponent) ; Juránek, Roman (vedoucí práce)
Tato práce se zabývá detekcí a sledováním objektů pomocí význačných bodů. Jsou zde popsány existující přístupy k této problematice. Je zde navržená inovovaná metoda detekce objektů založená na Obecné Houghově transformaci a iterativním prohledáváním Houghova prostoru. Na nejrůznějších typech objektu je demonstrována univerzálnost navrženého detektoru. Sledování objektů je řešeno detekcí objektu snímek po snímku.
|
|
|
Počítání vozidel ve statickém obraze
Jelínek, Zdeněk ; Juránek, Roman (oponent) ; Špaňhel, Jakub (vedoucí práce)
Hlavním cílem této práce bylo porovnání různých moderních přístupů k počítání vozidel pomocí odhadu hustoty. Celkem byly porovnány čtyři modely konvolučních neuronových sítí - Counting CNN, Hydra CNN, Perspective-Aware CNN a Multi-column CNN. Vyhodnocení natrénovaných modelů bylo provedeno na třech různých datasetech. Nejpřesnějších výsledků na všech datasetech dosáhl model Perspective-Aware CNN. Na datasetu PUCPR+ dosáhl hodnoty Mean Absolute Error 2,86, čímž prokázal, že jeho použití u problému počítání vozidel je vhodné.
|
|
|
Boosting a evoluční algoritmy
Mrnuštík, Michal ; Juránek, Roman (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce představuje kombinaci AdaBoostu a evolučního algoritmu. Evoluční algoritmus je použit pro hledání lineární kombinace Haarových příznaků. Z té je vytvořen slabý klasifikátor pro AdaBoost. Jsou zde popsány základy klasifikace, Haarovy příznaky a Adaboost. Uvedeny jsou také základní informace o evolučních algoritmech. Dále obsahuje teoretický popis spojení AdaBoostu a evolučního algoritmu, doplněný o některé implementační detaily. Implementace je testována na obrazových datech jako součást systému pro detekci obličeje. Výsledky jsou porovnány se samostatnými Haarovými příznaky.
|
|
|
Analýza pohybu automobilů na křižovatkách
Benček, Vladimír ; Juránek, Roman (oponent) ; Sochor, Jakub (vedoucí práce)
Táto diplomová práca sa venuje návrhu a tvorbe systému pre analýzu pohybu vozidiel na križovatkách. Vo videu získanom zo stacionárnej kamery, zachytávajúcej dianie na križovatke, detekuje a sleduje vozidlá. Ich trajektórie zaznamenáva a analyzuje ich smer a počet. Na detekciu bol použitý kaskádový klasifikátor. Pre jeho trénovanie bol vytvorený dataset obsahujúci 10500 vozidiel a 10500 negatívnych vzoriek. Sledovanie vozidiel prebieha pomocou metódy KCF. Na zhlukovanie trajekórií v rámci analýzy je využitá metóda Mean Shift. V rámci testovania bola zistená celková úspešnosť sledovania pohybu a analýzy vozidiel 92.77%.
|
|
|
Detection and Recognition of License Plates
Tykva, Jiří ; Zemčík, Pavel (oponent) ; Juránek, Roman (vedoucí práce)
The goal of this Bachelor's thesis is to design, implement, and test a system that can detect and recognize license plates in real-time by using neural networks. The collected data will be saved into the database. The system's architecture is divided into three main parts. The first part handles the license plate detection in the image by making use of the TensorFlow Object Detection API. The detector reaches the accuracy of 98.15 % AP with a speed of roughly 14 fps. The second part deals with license plate tracking by using the algorithm SORT. The third part holistically recognizes the text of the license plate and can reach up to 0.6% character error rate and 2% word error rate. The system may be used by law enforcement for purposes such as for keeping track of stolen vehicles or for the automatic road tolling.
|
host ::
RSS.