|
|
Semantic segmentation of images from off-road environment
Spilková, Bára ; Králík, Jan (oponent) ; Adámek, Roman (vedoucí práce)
The main focus of the bachelor's thesis is to explore different semantic segmentation methods of off-road terrain images. In the theoretical survey are described the basic principles of semantic segmentation, multiple approaches to the problem, the methods of semantic segmentation and different datasets. The process of evaluating and training multiple models with various parameters and the creation of a new evaluating dataset are described next. The attained results are compared to the results from the theoretical survey and the next steps for improving the accuracy of the models are proposed.
|
|
|
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.
|
|
|
Evoluční návrh konvolučních neuronových sítí s využitím supersítě
Lamačka, Zbyněk ; Piňos, Michal (oponent) ; Sekanina, Lukáš (vedoucí práce)
Tato práce se zabývá možnostmi automatizovaného návrhu a optimalizace konvolučních neuronových sítí (CNN) pomocí evolučních algoritmů s využitím konceptu neuroevoluce (NAS – Neural Architecture Search). NAS metody usnadňují práci architektům neuronových sítí a umožňují přístup k neuronovým sítím i lidem, kteří by se za běžných okolností k~nim nedostaly. Architektury, které vznikají automatizovanými metodami, jsou schopny překonat architektury, které byly vytvořeny zkušenými architekty. Tyto metody nejsou svázány konvenčními přístupy k návrhu, a proto mohou vznikat inovativní architektury. Cílem této práce je návrh a implementace metody neuroevoluce využívající supersíť. Koncept supersítě má za cíl proces automatického návrhu sítě zrychlit a zlevnit. Tato metoda bude vyhodnocena na základě architektur, které vygeneruje. Vyhodnocení architektur je prováděno na základě dvou kritérií – přesnost a složitost sítě. Pro vyhodnocování je použita datová sada ImageNet.
|
|
|
Detekce a klasifikace vad panelů fotovoltaických elektráren z termokamery dronu
Haužvic, Filip ; Materna, Zdeněk (oponent) ; Bambušek, Daniel (vedoucí práce)
Tato práce popisuje proces zpracování termografických snímků fotovoltaické elektrárny, pořízených termokamerou na dronu. Momentálně profesionál na inspekce elektráren manuálně analyzuje pořízené snímky a hledá v nich závady. Tento přístup je velmi časově náročný a zavedení určité míry automatizace by tento proces mohlo usnadnit a urychlit. S tímto záměrem jsem natrénoval a nasadil model neuronové sítě U-Net, který na snímcích detekuje nejčastější typ závady, kterým je „hot spot“. Pro vizualizaci nalezených závad jsem navrhl a vytvořil webovou aplikaci, která je zobrazuje v kompletní fotomozaice fotovoltaické elektrárny. V rámci aplikace může uživatel přidávat a mazat jednotlivé vady. Aplikace také umožňuje anotaci panelů, které jsou využity při tvorbě výsledné tabulky, jakmile je elektrárna kompletně anotována.
|
|
|
Genetické programování s pamětí v úloze symbolické regrese
Jůza, Tadeáš ; Bidlo, Michal (oponent) ; Sekanina, Lukáš (vedoucí práce)
Cílem práce je ověřit možnosti rozšíření genetického programování o paměť pro řešení problémů symbolické regrese. Dále pak vytvoření sady úloh pro testování kvality takovýchto řešení. V práci je navržen způsob praktického využití takovéhoto rozšíření, a to pro potencionální snížení energetické náročnosti načítání vah konvolučních neuronových sítí. Zde místo načítání všech vah sítě z paměti je načítáno pouze malé procento vah a zbylé jsou vygenerovány za pomocí evolučně nalezené funkce. Tento způsob byl převážně testován na vahách konvolučních vrstev malé konvoluční neuronové sítě řešící úlohu klasifikace obrazu z testovací sady MNIST. Dále byla také ověřena možnost generování vah na dalších konvolučních neuronových sítích řešících složitější problémy. Podařilo se nalézt různé kompromisy mezi přesností klasifikace a velikostí paměti vah.
|
|
|
Registrace přistávajícího letounu z obrazového záznamu
Juroška, Jan ; Šplíchal, Miroslav (oponent) ; Červenka, Miroslav (vedoucí práce)
V rámci této práce byl vytvořen postup, který automatizuje zaznamenávání letadel na neřízených letištích pomocí počítačového vidění. Letadlo je nejdříve rozpoznáno pomocí neuronové sítě z rodiny YOLO a následně je na něm přečtena imatrikulace pomocí sítě Tesseract. V teoretické části práce jsou uvedeny možné přístupy k této problematice a teoretické základy, které stály za výběrem použité metodiky. V praktické části je program zdokumentován, jsou testovány limitní případy jeho detekčních schopností a je poskytnuta příručka s instrukcemi k uvedení do provozu a použití.
|
|
|
Neural Networks at the Level of Network Packets and Flows
Urbánek, Petr ; Jeřábek, Kamil (oponent) ; Poliakov, Daniel (vedoucí práce)
This thesis addresses the integration of neural networks into network flow monitoring, particularly focusing on the ipfixprobe — an open-source network flow exporter developed by CESNET. The objective is to explore the potential of neural networks for classifying and extracting representations from network flows. The challenges of deploying such solutions in large-scale production environments are considered, with a specific emphasis on enhancing efficiency and effectiveness in dynamic technological landscapes.
|
|
|
Nástroj pro podporu přípravné fáze penetračního testování
Žáček, Dominik ; Gerlich, Tomáš (oponent) ; Sikora, Pavel (vedoucí práce)
Tato práce se zabývá vývojem pokročilého nástroje určeného pro zefektivnění týmového penetračního testování. Nástroj pracuje tak, že automaticky přiřazuje úkoly penetračním testerům na základě schopností a historického výkonu. Teoretická část práce podrobně analyzuje různé metody řešení problému přiřazení, zejména Maďarskou metodu a lineárním programováním. V teoretické části následuje návrh dvou-krokového algoritmu pro přiřazení úkolů. Dále je detailně popsán princip fungování neuronových sítí, které jsou základem druhého kroku přiřazení. V rámci práce byly také vytvořeny unikátní metody pro generování dvou datových sad. Bylo implementováno rozhraní pro přiřazení úkolů a byly navrženy metriky určující kvalitu přiřazení. Výsledkem je nástroj, který výrazně zefektivňuje přidělení úkolů penetračním testerům a zvyšuje celkovou efektivitu penetračního testování v týmech.
|
|
|
Vizuální detekce anomálií v průmyslové výrobě
Hrabica, Jan ; Richter, Miloslav (oponent) ; Horák, Karel (vedoucí práce)
Tato práce pojednává o problematice unárních klasifikátorů pro detekci anomálií v průmyslové výrobě. V úvodu je rozebrána klasifikace jako obecný problém, metody klasifikace a některé jejich hodnocení a následně jsou rozebrány hlavní kategorie používaných architektur. V praktické části je popsán proces tvorby scény a následné pořizování datasetu. Vytvořený dataset je použit na naučení klasifikátoru, na kterém jsou v závěru práce provedeny různé experimenty za účelem odhadu výkonnosti.
|
host ::
RSS.