|
|
Strojové učení reprezentace pro genetické programování
Pomykal, Šimon ; Piňos, Michal (oponent) ; Sekanina, Lukáš (vedoucí práce)
Cílem této práce je seznámit se s metodami strojového učení, které se využívají pro automatický návrh reprezentace. Speciálně se poté práce zaměřuje na hluboké učení v oblasti genetického programování (GP). Jako případová studie je zvoleno zpracování obrazu, a to zejména metody odstranění šumu. Spojením získaných poznatků je navržena nová reprezentace, jejímž účelem je nahradit syntaktický strom v algoritmu GP. Tato metoda je získána pomocí neuronové sítě typu transformer. Na závěr je vytvořena upravená varianta GP, která pracuje s novou reprezentací. Tato varianta je v několika experimentech porovnána s GP, který používá původní reprezentaci.
|
|
|
Measuring the thickness of contamination layers in scanning electron microscopy using image processing
Macek, Matěj ; Munzar, Milan (oponent) ; Čadík, Martin (vedoucí práce)
The motivation for this thesis arises from the aim of the Thermo Fisher Scientific company to develop a method to measure the thickness of contamination layers in scanning electron microscopy (SEM) images through advanced image processing techniques. The primary aim is to create automated methods for quantifying contamination in images that adversely impact imaging in material science research, using image processing techniques. In this study, we collect a dataset of images with contamination and manually annotate masks for each image. These annotations will serve to fine-tune and evaluate the effectiveness of the methods we propose. By employing a combination of edge detection algorithms and machine learning models, specifically a fine-tuned DeepLabv3 network, this work enhances the precision and efficiency for contamination detection. The edge Detection-Based Contamination Analyzer (EDCA) utilizes traditional image processing methods, while the DeepLabv3 model introduces a machine learning approach to robustly handle diverse imaging conditions. Comparative analyses demonstrate the effectiveness of these methods in providing reliable, scalable, and detailed measurements of contamination layers, significantly contributing to the field of materials science.
|
|
|
Detekce karet při turnajích v pokru
Kovalets, Vladyslav ; Šilling, Petr (oponent) ; Vaško, Marek (vedoucí práce)
Tato bakalářská práce se zaměřuje na vývoj pokročilého systému pro automatické rozpoznávání a evidenci herních karet z videozáznamů pokerových her. Jako základní nástroj byla zvolena technologie konvolučních neuronových sítí, konkrétně síť YOLO, který umožňuje efektivní identifikaci karet na stole i v rukou hráčů i za náročných podmínek. Práce zahrnovala vytvoření rozsáhlé datové sady pro trénování a testování detektoru karet, který dosáhl přesnosti rozpoznávání 98,7 %. Pro spolehlivou evidenci karet byl navržen algoritmus, který minimalizuje chyby detektoru a zlepšuje celkovou přesnost systému. Výsledky práce naznačují, že navržený systém má potenciál pro využití i v praxi.
|
|
|
Metody zpracování obrazu v aplikaci na Kármánovy víry
Šimůnek, Petr ; Hudec, Martin (oponent) ; Himr, Daniel (vedoucí práce)
Tato diplomová práce se zabývá metodami vizualizace proudění a zpracování obrazu s cílem aplikovat tuto teorii na praktickou analýzu proudění kapaliny s částicemi. Úvodní část práce se věnuje přehledu metod vizualizace proudění, které jsou důležité pro porozumění chování tekutin v různých systémech a prostředích. Následně se zaměřuje na metody zpracování obrazu, které jsou nezbytné pro analýzu obrazových dat získaných z experimentů s prouděním. V praktické části této práce jsou tyto teoretické poznatky aplikovány na analýzu sérií snímků proudění kapaliny s částicemi v potrubí získaných pomocí kamery. Hlavním cílem je popsat proudění a identifikovat Kármánův vír, který vzniká při proudění kolem překážky.
|
|
|
Převod otisků prstů nasnímaných mobilním zařízením do standardizovaného formátu - úpravy obrazu
Mucha, Vojtěch ; Říha, Kamil (oponent) ; Číka, Petr (vedoucí práce)
Bakalářská práce se zabývá problematikou převodu otisků prstů nasnímaných mobilním zařízením do standardizovaného formátu. V dnešní době se mobilní zařízení stávají stále běžnějšími prostředky pro akvizici biometrických dat, včetně otisků prstů. Zpracování a normalizace takto získaných otisků jsou nezbytnou součástí pro následnou biometrickou analýzu získaných otisků prstů. Cílem práce je návrh a implementace algoritmu pro převod fotky prstu do šedotónového obrazu otisku prstu s výraznými papilárními liniemi a potlačenými údolími. Algoritmus je implementován v jazyce C++ s využitím knihovny OpenCV a natrénované neuronové sítě pro detekci prstů z obrázku ruky. Dosažené výsledky jsou zhodnoceny podle algoritmů na hodnocení kvality otisků prstů NFIQ 2 a Innovatrics.
|
|
|
Strojové vidění pro robotizované výrobní systémy
Vávra, Daniel ; Bradáč, František (oponent) ; Vetiška, Jan (vedoucí práce)
Tato diplomová práce se věnuje tvorbě programu v prostředí TwinCAT Vision pro detekci vrcholů kontur na zadaném objektu pomocí kamerového systému. Teoretická část se věnuje rešerši současného stavu poznání v oblasti strojového vidění, včetně hardwarových komponentů a úvodu do softwarového zpracování obrazu. Praktická část je zaměřena na tvorbu samotného programu, včetně sestavení testovacího pracoviště s kamerovým systémem. Práce se také věnuje navádění robotu pro manipulaci s objekty, a proto je navržen příklad konceptu chapadla pro manipulaci se zadaným objektem. V závěru praktické části je vytvořený program otestován, přičemž výsledky testu jsou součástí digitální přílohy této práce.
|
|
|
Implementing gesture recognition on ARM as an alternative to traditional device control
Gajdošík, Richard ; Zbořil, František (oponent) ; Kočí, Radek (vedoucí práce)
This bachelor's thesis focuses on the development and implementation of a gesture recognition system on ARM architecture, utilizing the i.MX 93 board and TensorFlow Lite. The project is grounded in the application of neural networks for the recognition of hand gestures, offering an alternative to traditional device control methods. An integral part of the work involves a comprehensive analysis of existing gesture recognition solutions, identifying their strengths and potential improvements. The thesis elaborates on the design, development, and optimization of a real-time gesture recognition model specifically for ARM chips, emphasizing efficiency and performance. Additionally, the thesis covers the creation of a demonstrative application that visually represents recognized gestures. User testing is conducted to evaluate the practicality and user experience of the gesture recognition system, providing valuable feedback for future enhancements.
|
|
|
Složení snímku prstu s viditelným krevním řečištěm.
Pekárek, Jakub ; Semerád, Lukáš (oponent) ; Rydlo, Štěpán (vedoucí práce)
Práce popisuje zpracování snímku prstu pro vytvoření kompozitního snímku s viditelným krevním řečištěm. Krevní řečiště je detekováno algoritmem Maximum Curvature. Následně bylo experimentováno s hledáním a spojování klíčových bodů pomocí algoritmů SIFT a ORB. Protože však algoritmy nepřinášely požadované výsledky, musí být klíčové body vyznačovány manuálně. Z nich je vytvořen odhad matice transformace. Pomocí odhadu matice transformace je spojena dvojice snímků. Tento cyklus přiřazení klíčových bodů a spojení snímků probíhá i pro nově vytvořené snímky. Po spojení posledních dvou snímků je výsledkem kompozitní snímek s viditelným krevním řečištěm. Tento kompozitní snímek může být dále využit pro verifikaci nebo identifikaci osob.
|
|
|
Detekce a klasifikace nečistot v mikroskopickém obraze prachového filtru
Szkandera, Jaroslav ; Dobrovský, Ladislav (oponent) ; Matoušek, Radomil (vedoucí práce)
Tato práce řeší problém segmentace a klasifikace nečistot prachových filtrů v poskládaném opticky nedokonalém mikroskopické obraze. Zadaný problém byl vyřešen s využitím knihovny OpenCV pomocí klasických segmentačních metod. Vyhodnocení přesnosti segmentace bylo provedeno pomocí knihovny scikit-image. Bylo rovněž vytvořeno grafické uživatelské rozhraní, které usnadňuje proces segmentace a výběr částic pro prvkovou analýzu. Výsledky této práce umožňují efektivní vyhodnocení předmětů zachycených filtrem.
|
|
|
Using dense X-ray reconstructions for developing virtual sawing method
Kunda, Matej ; Nosko, Svetozár (oponent) ; Zemčík, Pavel (vedoucí práce)
The usage of machine learning and computer optimisation is growing and reaches many fields, and the sawmilling industry is no exception. With optimisation algorithms and virtual sawing, sawmills can produce boards and other wooden products of much higher quality. The main factor that degrades the quality of boards is knots. Knots are the leftovers of branches present in every piece of log and sawn boards. However, their position can be altered with sawing optimisation methods, and the board grade and price maximised. This Master's thesis aimed to develop one of the sawing optimisation methods -- sawing angle optimisation. Before sawing, the log can be rotated, and the location of knots on boards can be controlled. The optimisation method works by converting X-ray data to a function that represents knot locations along the polar angles in the wood and another function that contains Gaussian curves at the corner points of boards in the sawing pattern. Finally, a cross-correlation is computed and minimised between these two functions, resulting in knots avoiding the corner areas. The proposed method works on a simple principle, is computationally effective and can be deployed in real-time applications. The developed method was evaluated by applying virtual sawing using the angles obtained on a challenging dataset containing annotated X-ray data of logs, which was compared with ground truth data and an average result. The thesis resulted in an impressive decrease in arris knots count in an already highly optimised sawing environment.
|
host ::
RSS.