|
|
Optimal Crop For Photographing Individuals During Sports Activities
Lebedenko, Anastasiia ; Tesařová, Alena (referee) ; Herout, Adam (advisor)
Cílem této bakalářské práce je vyvinout řešení pro zpracování záběrů lidských subjektů za účelem generování videí optimálních rozměrů zaměřených na jednotlivce a eliminujících nadbytečné pozadí. Pomocí modelů počítačového vidění program identifikuje a sleduje lidské pozice ve vstupních videích a poté aplikuje specializovaný algoritmus oříznutí pro generování výstupních snímků. Řešení nabízí možnosti přizpůsobení poměru stran a režimu oříznutí ve výstupním videu. Eliminuje tak nutnost pořizovat více videí, aby byly splněny různé technické nebo estetické požadavky, což umožňuje vytváření různých výstupů z jednoho videa s vysokým rozlišením pomocí předdefinovaných parametrů oříznutí.
|
|
|
Detekce typu a bodového ohodnocení kartiček ve hře Hobiti
Hlinský, Martin ; Kohút, Jan (referee) ; Vaško, Marek (advisor)
This thesis aims to create a card detector that can train a model that can detect the score of a card and its type using the synthetic generation of the dataset. The YOLOv8 model is used for training. The first step is to take pictures of the cards, which then go through a pre-processing stage so they do not contain background and are aligned. These pre-processed card images are combined with photos from other datasets in a generator that randomly translates, rotates, and otherwise simulates photos of possible card placements. This generator’s output is roughly 50 000 annotated images in the case of the Hobiti game, but different dataset sizes and pre-trained weights are compared in the experiments. The latest generation of trained detectors was validated on a real dataset for unbiased testing, and the most accurate model trained on purely synthetic datasets achieved precision up to 81.5 % according to the 50 metric. It is then possible to implement, for example, a point counter on the final detector, a prototype of which is also described in this paper.
|
|
|
Detekce karet při turnajích v pokru
Kovalets, Vladyslav ; Šilling, Petr (referee) ; Vaško, Marek (advisor)
This bachelor's thesis focuses on the development of an advanced system for automatic recognition and registration of playing cards from video recordings of poker games. The technology of convolutional neural networks, specifically the YOLO network, was chosen as the basic tool. It enables effective identification of cards on the table and in the hands of players even under challenging conditions. The work involved creating an extensive dataset for training and testing the card detector, which achieved a recognition accuracy of 98.7%. An algorithm was designed to minimize detector errors and improve the overall accuracy of the system. The results of the study suggest that the developed system has potential for use in practice.
|
|
|
App Supporting Strength Sports Training
Klem, Richard ; Tesařová, Alena (referee) ; Herout, Adam (advisor)
Tato práce představuje nový přístup k analýze výkonu v silových sportech pomocí modelu strojového učení pro odhad lidské pózy. Implementované řešení využívá model RTMPose k odhadu klíčových bodů lidské pózy, následně odvozuje polohu činky ze souřadnic zápěstí a vypočítává výkonnostní metriky. Konkrétní úhly kamery nebo viditelné kotouče nejsou vyžadovány. Navrhovaná metoda vylepšuje tradiční silový trénink tím, že poskytuje zpětnou vazbu a výkonnostní metriky, jako je průměrná rychlost, a ukazuje se jako účinná ve veřejných posilovnách i v domácím prostředí, a to i pro cvičení s vlastní vahou nebo pomůckami jako je např. odporová guma. Rozsáhlé experimenty potvrzují širokou použitelnost navrhnutého řešení. Srovnání s profesionálním systémem Qualisys prokazuje dostatečnou kvalitu aplikace.
|
|
|
Figure trracking
Berka, Jiří Michael ; Řičánek, Dominik (referee) ; Richter, Miloslav (advisor)
This bachelor's thesis focuses on the development of software for tracking an exercising person and evaluating deviations from the correct execution of movement tasks. Initially, the thesis theoretically examines the fundamentals of digital image processing, the use of various types of cameras, and computer vision technologies. Subsequently, methods of artificial intelligence and deep learning that enable motion detection and analysis are described. The main part of the thesis focuses on the implementation of the OpenPose system for real-time pose estimation. Technical challenges are discussed, and solutions are proposed to achieve the accuracy and reliability of the system. The practical part includes testing the software on real videos and evaluating its performance. The results show that the developed software can effectively help in correcting movements and preventing injuries in various applications.
|
|
|
Demonstration tasks of computer vision on a CNC milling machine
Duda, Pavel ; Honec, Peter (referee) ; Janáková, Ilona (advisor)
This bachelor thesis deals with the integration of computer vision into CNC machines in order to demonstrate the practical application of this technology. The task is to design several demonstration tasks to test and implement the various computer vision algorithms and subsequent data processing to control a CNC milling machine. In conclusion, we find an evaluation of the results and possible alternative steps to fulfill the problem.
|
|
|
Automation of video extensometers using artificial intelligence
Leinweber, Vít ; Adamec, Tomáš (referee) ; Ščerba, Bořek (advisor)
This thesis deals with the automation of the use of video extensometers using artificial intelligence methods, specifically the implementation of a suitable algorithm for the recognition of the type of sample to be measured and the placement of a suitable software tool in the correct position on the sample in real-time. The theoretical part of the thesis describes digital image correlation, computer vision with a focus on object recognition, and machine learning with a focus on deep convolutional neural networks and their architectures for object detection. Based on the findings from the theoretical part of the work, the YOLOv8 algorithm is chosen as the most suitable algorithm for classifying the type of sample and determining its location in real-time. In the practical part of the thesis, a dataset containing three types of samples is created using the database of video extensometer manufacturer. The dataset is extended with images containing samples to be detected and augmented. The selected algorithm is trained, optimized, and tested using the created dataset. A genetic algorithm and a random search of the hyperparameter space are used in the optimization process. The best trained models of the YOLOv8 algorithm are compared with each other on two test sets and the best one is selected. Furthermore, the work with this algorithm as a detector integrated into the corresponding software for working with video extensometers is described. Finally, a method for correcting the effect of potential misalignment of samples in the images entering the detector is proposed.
|
|
|
Adversarial Attacks on AI Algorithms and Their Prevention
Gregorová, Jana ; Vaško, Marek (referee) ; Herout, Adam (advisor)
Bezpečnost AI a útoky na umělou inteligenci představují komplexní a dosud nedostatečně prozkoumanou problematiku. Cílem této práce je nabídnout ucelený přehled klíčových metod a možných vysvětlení útoků na AI a obran proti nim, aby se toto téma stalo přístupnějším a srozumitelnějším pro širší publikum, a tím usnadnit hlubší zkoumání a porozumění těmto útokům. Tato práce zahrnuje výběr metod pro vysvětlení jednotlivých klasifikačních rozhodnutí klasifikátorů hlubokého učení (Explainable AI: XAI) a jejich aplikaci při analýze rozhodovacího procesu klasifikátorů během útoků. K usnadnění vytváření dalších experimentů, monitorování útoků na AI a hledání možných vysvětlení byl navíc vyvinut skript, který tento proces zjednodušuje. Tento skript je součástí této práce a je poskytnut na přiloženém médiu.
|
|
|
Evaluation of Image Quality and Camera Setup
Ondris, Ladislav ; Fučík, Otto (referee) ; Zemčík, Pavel (advisor)
Tato práce si klade za cíl vyvinout základ pro univerzální fotoaparát schopný aktualizovat své parametry na základě pozorované scény. Tento přístup kombinuje metriky hodnocení kvality obrazu s rozpoznáváním scény. Byla shromážděna sada metrik, jako jsou ty používané k vyhodnocení kontrastu a ostrosti. Kromě toho byl vyvinut model strojového učení pro rozpoznávání scény, který má sloužit jako základ pro výběr vhodných parametrů fotoaparátu přizpůsobených konkrétní scéně. Práce demonstruje praktické využití metrik k optimalizaci vybraných parametrů obrazového procesoru a k detekci optických aberací.
|
|
|
Comparison of Methods for Image Inpainting based on Deep Learning
Rajsigl, Tomáš ; Herout, Adam (referee) ; Španěl, Michal (advisor)
This bachelor thesis aims to compare deep learning methods and approaches for image inpainting using quantitative metrics like PSNR, SSIM, and LPIPS. Moreover, a user study has also been carried out for further subjective assessment. For the purposes of this comparison, four GAN-based neural networks were used. The first network, AOT-GAN, represents a benchmark against which the proposed architecture and its modifications were compared. In the experiments, a variant of the proposed method achieved a 29% improvement against AOT-GAN in images with small missing regions. This claim is also supported by the results of the user study where this method was ranked as the best. As a result of this thesis, a small dataset specifically for the evaluation of image inpainting in the context of object removal was created. Real-world applications of these methods are demonstrated through a web application.
|
guest ::
