|
|
Interpretace učebního procesu klasifikátoru fibrilace síně
Lichtblauová, Anna ; Ředina, Richard (oponent) ; Novotná, Petra (vedoucí práce)
V rámci teoretické části bakalářské práce byla nastudována problematika detekce fibrilace síní (FS) a práce s konvolučními neuronovými sítěmi (CNN). Následně byly v praktické části vytvořeny dva klasifikátory. První byl určen pro klasifikaci sinusového rytmu, fibrilace síní a ostatních patologií, druhý dále rozlišoval kategorii "fibrilace síní" podle skutečnosti, zda se nacházela v celém záznamu nebo jen v jeho části. Výsledná přesnost byla 82.12~\% v případě prvního, resp. 85.14 \% v případě druhého klasifikátoru.
|
|
|
Detekce QR kódů pomocí hlubokého učení
Černohous, Matěj ; Kříž, Petr (oponent) ; Přinosil, Jiří (vedoucí práce)
Tato bakalářská práce se zabývá návrhem algoritmu pro detekci a dekódování QR kódů v obrazech využitím technik hlubokého učení. V rámci práce byly zhotoveny 2 datové sady, model neuronové sítě YOLOv7 pro detekci QR kódu v obraze, model neuronové sítě YOLOv4-tiny pro detekci pozičních bodů QR kódu a program v jazyce Python využívající těchto modelů pro čtení QR kódů v obrazech. Pro vyhodnocení byl algoritmus porovnán s jinými řešeními čtení QR kódů.
|
|
|
Detekce obtížně diferencovatelných skupin srdečních arytmií
Kantor, Marek ; Ronzhina, Marina (oponent) ; Novotná, Petra (vedoucí práce)
Tato práce se zabývá problematikou detekčních metod fibrilace síní, flutteru síní a sinusového rytmu ze záznamu EKG. Práce rovněž pojednává o těchto arytmiích a klasifikačních algoritmech vhodných pro tuto problematiku. V rámci této práce je vytvořeno několik přístupů klasifikace. Pro extrakci příznaků je využita konvoluční neuronová síť a klasifikace je realizovaná prostřednictvím umělé neuronové sítě. Vybrána metoda 1D CNN pro tyto těžko diferencovatelné srdeční arytmie dosahuje průměrné přesnosti klasifikace F1 - skóre = 91 %. Vybrána CNN optimalizovaná pomocí GA je rychlá mělká síť s lepší přesností než hluboká síť. Vytvořené modely jsou použity i pro klasifikaci jiných typů arytmií.
|
|
|
Development of a universal cell for optical part inspection in a robotic workplace
Cahlík, Radim ; Rajchl, Matej (oponent) ; Adámek, Roman (vedoucí práce)
The aim of this master's thesis is to develop a universal cell for optical part inspection including defects detection software that utilises artificial intelligence methods. Another goal is to integrate the cell into a robotic workplace and to test it on distinct parts with different defects. The first part of the thesis describes the development of the optical cell concept and its design. After that, the optical inspection system is covered, starting with a description of the lens and camera, followed by the analysis of the inspection software, which uses the convolutional neural network for defect detection. The next part deals with the development of a robotic workplace including the design of a two degrees of freedom robot and the communication between the devices. In the end, testing on two distinct parts to verify its functioning is discussed.
|
|
|
Defect detection on fiber materials using machine learning
Lang, Matěj ; Richter, Miloslav (oponent) ; Honec, Peter (vedoucí práce)
Following Master's Thesis is presenting the creation of scanning unit, that will automate the quality check process in company SILON, for their fibered material. The process of manual detection is discussed and the automated solution is proposed. Several test are shown, that demonstrate effects of different lights on fibres dyed in Rhodamine. Optimal filter for camera is chosen, to achieve images with highest resolution possible and with enough definition. Next, the software tools for hardware control are presented and tools for building neural networks. Also, some basic info on current state of the art is provided, to explain some of the tools used. The network itself is shown and also its learning process and capabilities of defect detection.
|
|
|
Anticurtaining - obrazový filtr pro elektronovou mikroskopii
Dvořák, Martin ; Dobeš, Petr (oponent) ; Zemčík, Pavel (vedoucí práce)
Tomografická 3D analýza v nanometrovém měřítku využívá snímky vzorků získané s využitím fokusovaného iontového svazku (FIB), při jejichž snímání ale dochází z fyzikálních důvodů k poškození "curtaining" efektem. Tato práce představuje nový přistup k odstranění curtaining efektu ze snímků pomocí strojového učení. Pro jeho odstranění je využita konvoluční neuronová síť (CNN) a technika učení s učitelem. Navržená síť pracuje s příznaky, které vytváří vlnková (wavelet) transformace a jejím výstupem je vizuálně "vyčištěný" snímek. K učení sítě je využita syntetická datová sada poškozených snímků, které jsou vytvořeny generátorem simulujícím fyzikální proces tvorby reálného snímku. Simulace se skládá z "opotřebení" vzorku pomocí fokusovaného iontového svazku (FIB) a zobrazení povrchu pomocí skenovacího elektronového mikroskopu (SEM). Nově vytvořený přístup velmi dobře pracuje i s reálně pořízenými snímky. Kvalitativní vyhodnocení představeného řešení a srovnání s jiným řešením hodnotili laici i experti na tuto problematiku. Řešení představuje nový nadějný přístup k odstranění curtaining efektu a přispívá k lepšímu postupu zpracování i porozumění snímkům pořízeným při materiálové analýze.
|
|
|
Depth-Based Determination of a 3D Hand Position
Ondris, Ladislav ; Tinka, Jan (oponent) ; Drahanský, Martin (vedoucí práce)
This work aims to offer a real-time, depth-based gesture recognition system using a hand's skeletal information. The Tiny YOLOv3 neural network detects the hand in the depth image. The detected hand is rid of the background and used by the JGR-P2O neural network, which estimates the hand's skeleton represented by 21 key points. Furthermore, a novel technique for gesture recognition from hand key points that compares the input skeleton with user-defined gestures has been proposed. A dataset consisting of four thousand images was captured to evaluate the system.
|
|
|
Zpracování radarového signálu a fúze informací
Reich, Bořek ; Maršík, Lukáš (oponent) ; Zemčík, Pavel (vedoucí práce)
Tato práce zkoumá možnosti fúze milimetrového radaru a kamery. Navrhuje vhodný postup a využití těchto senzorů za účelem detekce objektů, především se pak zaměřuje na vyhledávání osob a stanovení jejich vzdálenosti od senzorů. Klade důraz na použití konvolučních neuronových sítí jako prostředku pro realizaci fúze a detekce. Výstupem systému jsou informace zjištěné z dat milimetrového radaru i kamery, kdy je po provedení detekce pomocí milimetrového radaru zjištěna vzdálenost osoby. Výsledek fúze senzorů je prověřen pomocí nashromážděných dat z obou senzorů ve zhoršených světelných podmínkách, v neznámém prostředí, na neznámých osobách a pomocí referenčních údajů o vzdálenosti objektů.
|
|
|
Segmentace obrazových dat pomocí hlubokých neuronových sítí
Pazderka, Radek ; Šůstek, Martin (oponent) ; Rozman, Jaroslav (vedoucí práce)
Tato diplomová práce se zaměřuje na segmentaci scény z dopravního prostředí. Řešením tohoto problému jsou segmentační neuronové sítě, které umožňují klasifikovat každý pixel scény. V rámci této diplomové práce byla vytvořena vlastní segmentační neuronová síť, která dosáhla lepších výsledků než dosavadní state-of-the-art architektury. Práce se také zaměřuje na segmentaci ptačích pohledů na vozovku, ze kterých neexistují volně dostupné anotované datové sady. za tímto účelem byl vytvořen automatický nástroj pro generování syntetických datových sad z PC hry Grand Theft Auto V. Práce srovnává sítě trénované pouze na syntetických datech a sítě trénované na společně reálných a syntetických datech. Experimenty dokazují, že syntetická data lze využít na segmentaci dat z reálného prostředí. Také byl implementován systém, který umožňuje veškerou práci se segmentačními neuronovými sítěmi.
|
|
|
Rozpoznávání textu pomocí konvolučních sítí
Csóka, Pavel ; Behúň, Kamil (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce se zabývá tvorbou nových datových sad pro účely strojového učení rozpoznávání textu z fotografií a experimenty s konvolučními neuronovými sítěmi na těchto sadách. Popisuje architekturu konvolučních sítí, problémy rozpoznávání z fotografií a současné práce využívající tyto sítě. Dále tvorbu anotace datové sady fotografií stránek dokumentů, pořízených mobilními telefony, nazvané Mobile Page Photos. K anotaci je využit Tesseract OCR. Z této sady jsou vyříznutím znaků z fotografií vytvořeny dvě další. Jedná se o sady znaků dobře čitelných Mobile Nice Page Photos Characters a dobře i spatně až nečitelných Mobile Page Photos Characters, ve formátu datové sady číslic Street View House Numbers. S třemi vytvořenými modely konvolučních sítí jsou na datových sadách provedeny experimenty s rozpoznáváním textu, s jejichž pomocí je také odhadnuta chyba anotace.
|
host ::
RSS.