|
|
Detekce povrchových defektů kovových dílů pomocí neuronových sítí
Hadwiger, Tomáš ; Jonák, Martin (oponent) ; Ježek, Štěpán (vedoucí práce)
Tato práce je zaměřená na problematiku detekci povrchových anomálií na kovových dílech. Cílem bylo implementovat různé architektury neuronových sítí s použitím metody CutPaste a poměřit jejich výsledky na třídách tří různých datových množin: MVTec AD, MPDD a MPDD2. Pro třídy objektů množiny MVTeC AD se ukázala jako nejpřesnější architektura ResNet-18 s přesností 84,45 AUROC, pro materiály to byla architektura EfficientNet s průměrnou přesností 87,22 AUROC. Pro množiny MPDD a MPDD2 byla naměřena jako nejpřesnější architektura ResNet50 s průměrnou přesností 88,64 a 61,10 AUROC. Podle naměřených hodnot je množina MPDD2 nejtěžší pro detekci anomálií.
|
|
|
Návrh a realizace metody vyhýbání se překážkám v outdoor prostředí pro mobilní robot
Fargač, Tomáš ; Králík, Jan (oponent) ; Věchet, Stanislav (vedoucí práce)
Tato práce se věnuje zkoumání využitelnosti metody optického toku při zpracování obrazu. Nejprve je tato metoda představena teoreticky a poté je matematicky odvozen její základ. Následně je představena myšlenka její implementace do rozhodovacích algoritmů a potenciálních oblastí využití. V práci je také možno nalézt elaboraci nad vhodným prostředím pro takovou aplikaci jak ve virtuálním tak i reálném světě. Praktická část pak ukazuje vývojový proces krok za krokem a také zdokonalování práce s touto metodou a jejími výstupy. Práce využívá programovacího prostředí Matlabu a detailní práci na úrovni jednotlivých komponentů v tomto programovacím jazyce, obohaceného o pomocné balíčky, zejména ze světa počítačového vidění. Celé bádání je nakonec přehledně shrnuto a všechny podniknuté kroky jsou vyobrazeny ve vývojovém diagramu. Závěrem jsou jasně prezentovány všechny zkoumané přístupy s jejich silnými stránkami a nedostatky, jež byly v průběhu identifikovány.
|
|
|
Segmentace silnic a cest v obrazových datech pro účely autonomní jízdy
Janíček, Ondřej ; Cihlář, Miloš (oponent) ; Svědiroh, Stanislav (vedoucí práce)
Tato bakalářská práce se zabývá tématem segmentace silnic a cest pro účely autonomního řízení. V teoretické části se zabývá počítačovým viděním, jednoduchými metodami segmentace a praktickými řešeními problému pomocí konvolučních neuronových sítí a klasických metod. V praktické části se práce zabývá sběrem testovacích dat, výběrem vhodného programovacího jazyka a výběrem vhodných knihoven. Následně se představí postup při programování vlastního řešení. Zde se začíná předzpracováním pro převod obrazu do~šedotónového obrazu a filtrace šumu, poté nalezení hran v obraze pomocí Cannyho hranového detektoru, následuje definice oblasti zájmu s navazující Houghovou transformací pro detekci přímek v obraze a v poslední fázi filtrace horizontálních čar a průměrování zbylých čar. Na konci práce jsou porovnány výsledky představeného řešení s ohledem na robustnost a výpočetní náročnost.
|
|
|
Sledování osob na základě jejich oblečení v multikamerových systémech
Sivak, Mykyta ; Přinosil, Jiří (oponent) ; Číka, Petr (vedoucí práce)
Daná bakalářská práce se zabývá vývojem a implementací algoritmu pro sledování osob v multikamerových systémech na základě analýzy vzoru oblečení. Cílem bylo navrhnout systém, který by byl schopen sledovat osobu v různých pozicích a záběrech, využívající techniky Region of Interest (RoI). Práce začíná rozsáhlým studiem literatury zaměřené na existující metody sledování objektů ve videosekvenčních datech, se speciálním důrazem na techniky sledování RoI. V rámci výzkumu byl navržen a implementován nový algoritmus, který využívá vzory oblečení jako hlavní identifikační prvek pro sledování a re-identifikaci osob v různých kamerových záběrech. Algoritmus byl experimentálně ověřen na datasetech obsahujících videosekvence z několika prostředí, což umožnilo detailně analyzovat jeho účinnost a spolehlivost. Výsledky experimentů ukazují, že navrhovaný systém dosahuje výrazné přesnosti a efektivity ve srovnání s tradičními metodami, a je zvláště účinný v náročných situacích, kde jiné metody selhávají. Na závěr práce jsou prezentovány hodnocení provedených experimentů spolu s doporučeními pro budoucí rozšíření a zlepšení systému. Diskutovány jsou také potenciální výzvy a etické aspekty, včetně otázek soukromí a zpracování osobních údajů.
|
|
|
Detekce snížené viditelnosti a obrazových defektů pro kameru připevněnou na vozidle
Sedláček, Miloš ; Řičánek, Dominik (oponent) ; Svědiroh, Stanislav (vedoucí práce)
Tato bakalářská práce se zabývá tématem rozpoznání snížené viditelnosti a obrazových defektů způsobených nepříznivým počasím či osvětlením ze snímků pořízených kamerou připevněnou na vozidle. Práce popisuje základní charakteristiku nejčastějších vlivů a jejich účinků na kamerová data a představuje některé existující metody detekce těchto vlivů. Dále je vytvořen a popsán dataset obsahující vybrané defekty. Následně je v práci popsána problematika umělých neuronových sítí. Pro detekci defektů je implementována konvoluční neuronová síť, která je trénována a testována pomocí sestaveného datasetu. Na závěr jsou prezentovány dosažené výsledky sítě, její výpočetní náročnost a porovnání s výsledky jiných prací.
|
|
|
Detekce jízdních pruhů pro autonomní vozidla
Holík, Štěpán ; Píštěk, Václav (oponent) ; Kučera, Pavel (vedoucí práce)
Tato diplomová práce se zaměřuje na návrh a experimentální ověření systému pro detekci jízdních pruhů, určování trajektorie a polohy vozidla. Cílem bylo vyvinout systém složený z algoritmů pro dílčí části systému. K tomuto účelu bylo využito dat nashromážděných kamerou ZED 2, modelu neuronové sítě U-Net a prvků počítačového vidění ke snížení falešně pozitivních detekcí pomocí časového okna. K určení polohy vozidla vůči trajektorii byly využity trigonometrické výpočty a parametry kamery. Součástí práce bylo také rozšíření datové sady TuSimple o data nashromážděná kamerou. Experimentální ověření prokázalo funkčnost systému s vysokou spolehlivostí detekce v jednoduchých modelových situacích typu jízda po rovném úseku silnice. S náročností modelových situací spolehlivost systému klesá. Navzdory těmto nedostatkům experimenty ukázaly, že systém je schopen detekovat hranice jízdních pruhů a navrhovat optimální trajektorii vozidla. Algoritmy pro určení trajektorie a polohy vozidla závisí na úvodní predikci hranic jízdního pruhu, jsou ale funkční a účinné.
|
|
|
Detekce objektů pomocí ToF kamery
Hlaváč, Martin ; Bastl, Petr (oponent) ; Valach, Soběslav (vedoucí práce)
Tato práce se zabývá počítačovým viděním pomocí ToF kamery. V práci je shrnuta historie ToF kamer a jejich využití. V textu jsou zároveň uvedeny parametry kamer, se kterými jsem pracoval a popsány využité knihovny, OpenCV a wxWidgets. Dále je v textu popsán návrh a následně i popis vytvořené aplikace určené k počítání osob. V práci je také popis funkčnosti navržené aplikace a návrh možných dalších úprav aplikace.
|
|
|
Stereo rekonstrukce příčného profilu vozidla
Boch, Jan ; Richter, Miloslav (oponent) ; Honec, Peter (vedoucí práce)
Tato diplomová práce se zabývá návrhem stereo systému zpracování snímků vozidel a následné rekonstrukci jejich 3D modelu. Cílem práce je rekonstruovat model vozidla pro kontrolu jeho rozměrů a nákladu na které jsou kladeny restrikce v případě využití kritické dopravní infrastruktury (tunely, mosty). Práce začíná matematickým popisem snímání scény a pokračuje rešerší teoretických možností konfigurace systému. Jako nejvhodnější konfigurace byla zvolena jedna 3D kamera od společnosti Intel RealSense a jedna RGB kamera. Softwarové řešení pracuje s návrhem několika různých algoritmů z nichž stojí za zmínku rekonstrukce pomocí hloubkových map nebo například triangulace. Výsledné modely v poslední kapitole obsahují data pouze z výše zmíněné 3D kamery. Ze snímků získaných RGB kamerou se model z 3D kamery nepodařilo nijak vylepšit a proto ji lze prohlásit za redundantní. Výsledný 3D model je i tak dostačující pro účely kontroly vozidla a v případě pokračující práce je třeba navrhnout jinou, optimálnější konfiguraci.
|
|
|
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.
|
|
|
Detekce defektů desek ve výrobě polovodičů
Jašek, Filip ; Vágner, Martin (oponent) ; Dřínovský, Jiří (vedoucí práce)
Tato diplomová práce se zabývá problematikou detekce defektů desek ve výrobě polovodičů. V rámci této práce byly zkoumány metody identifikace defektních čipů a kontroly řízení výtěžnosti při výrobě polovodičů. Práce se rovněž zabývá metodami strojového učení pro rozpoznání obrazu s cílem klasifikace defektů ve výrobním procesu. První zvolený přístup využíval k inferenci sítě ResNet18, avšak ukázalo se, že jeho přesnost nedosahovala vysokých hodnot sledovaných metrik z důvodu nedostatečného množství vstupních dat. Pro tento sledovaný dataset tak bylo vyzkoušeno použití předtrénovaných sítí využívající topologie ResNet50v2. K navýšení metrik však došlo až s použitím jiného datasetu. Pomocí ladění hyperparametrů sítě a augmentací byly zkoumány další možnosti zlepšení výkonnosti sítě. V práci se také ukázalo, že použití autoenkodérů pro redukci datového toku při inferenci může navýšit rychlost samotné inference, avšak s degradací evaluačních metrik.
|
host ::
RSS.