|
|
Semi-Supervised Approach To Train Captcha Letter Position Detetor
Bostik, Ondrej
Common Optical Character Recognition (OCR) methods benefit from the fact, that the text is distributedin images in a predictable pattern. This is not the situation with CAPTCHA systems. UtilizingOCR algorithms to overcome common web anti-abuse CAPTCHA systems is therefore a challengingtask. To train a system to overcome any CAPTCHA scheme, an attacker needs a huge dataset ofannotated images. And for some methods, the attacker needs not only the right answers but also anexact position of the character in the CAPTCHA image.Annotate the positions of the object in an image is a time-consuming task. In this paper, we proposea system, which can help to annotate the position of CAPTCHA character with minimal humaninteraction. After annotating a small sample of targeted CAPTCHA images, a YOLO-based regiondetection deep network is used to search for the characters’ locations.
|
|
|
Semi-Supervised Deep Learning Approach For Breaking Geocaching Captchas
Bostik, Ondrej
For nearly two decades, a substantial part of developed anti-abuse and anti-spam systems for web applications called CAPTCHA is based on imperfections in OCR (Optical Character Recognition) algorithms. But with improvements in Deep Learning in OCR, these systems are now obsolete. More and more systems can now break various text Captchas with great accuracy. Now with sufficient training dataset, almost every text-based Captcha scheme can be broken. The focus of this work is to present an idea of a semi-supervised method for reading text-based Captcha which needs only a small initial dataset. The main part of this article is dealing with the problem of training a deep learning system with only a small sample of target Captcha scheme via transfer learning.
|
|
|
Zálohování dat a datová úložiště
Zemčík, Martin ; Boštík, Ondřej (oponent) ; Kříž, Jiří (vedoucí práce)
Tato práce je zaměřena na problematiku datových úložišť a zálohování dat. Práce uvádí historický vývoj datových úložišť od jejich vzniku až po moderní koncepty a trendy v ukládání a zálohování velkých objemů dat. Práce dále obsahuje analýzu současného stavu vybavení a praktik ukládání dat v podniku Cognitechna, s. r. o., a na základě této analýzy navrhuje změny a optimalizace pro zefektivnění a zvýšení bezpečnosti uložených dat.
|
|
|
Kontrola kvality výrobku
Pitrun, Tomáš ; Janáková, Ilona (oponent) ; Boštík, Ondřej (vedoucí práce)
Bakalářská práce se věnuje průmyslové inspekci vad na výliscích vstřikovacího stroje na základě počítačového rozpoznávání. Součástí práce je popis technologie vstřikování a vad, které se můžou u této technologie vyskytnout. Aplikace pro detekci je implementována v jazyku Python na platformě Raspberry Pi. K rozpoznávání vad výrobků se používá knihovna OpenCV. Součástí práce je také výběr vhodných hardwarových prostředků, mezi něž patří mikropočítač Rasberry Pi, osvětlení, kamerový modul, objektiv, reléové moduly a nosná konstrukce.
|
|
|
Detekce vad s využitím smart kamery
Hons, Viktor ; Boštík, Ondřej (oponent) ; Honec, Peter (vedoucí práce)
.Tato diplomová práce se zabývá využitím inteligentních (smart) kamer a ověřením jejich funkcí. V první části je definován pojem inteligentní kamera, jsou představeny její jednotlivé části a nejběžnější aplikace. Dále je zpracována rešerše trhu s inteligentními kamerami od různých výrobců. Po výběru vhodného modelu kamery jsou určeny tři úlohy z reálné průmyslové aplikace - kontrola potisku kondenzátoru, kontrola potisku pivních etiket a měření rozměrů. S vybranou kamerou je provedeno řešení úloh včetně rozvržení pracoviště, scény a osvětlení. Dále je otestována spolehlivost, úspěšnost a také rychlost vytvořeného řešení.
|
|
|
Automatizovaný systém pro skenování konstrukčních dílů
Hřib, Jan ; Boštík, Ondřej (oponent) ; Jirgl, Miroslav (vedoucí práce)
Cílem této diplomové práce je návrh automatizovaného systému pro skenování konstrukčních dílů pro účely inspekce jejich rozměrů a tolerancí. Teoretický úvod poskytuje čtenáři základní informace týkající se tématu 3D skenování. Práce obsahuje rovněž návrhu vlastní skenovací sestavy. Největší pozornost je věnována návrhu programu využívajícím knihovnu PCL. Cílem programu je automatické zpracování dat ze 3D skeneru a vyhodnocení požadovaných rozměrů naskenovaného konstrukčního dílu. Závěrečná část práce se věnuje testování navrženého řešení.
|
|
|
Coaxial Multiplexer For Automatic Measurementof Ac Current
Boštík, Ondřej
The paper presents recent work on measurement automatization at the Czech Metrology Institute (CMI) in Brno. The purpose of designed equipment is to automatically switch current shunts during the calibration procedure of precise current sources. The article presents some of the main components including voltage follower and coaxial multiplexer itself and the final solution.
|
|
|
Segmentation Of Thermal Images
Bostik, Ondrej
This paper presents our ongoing work focused on segmentation of thermal images from the process of traverse wedge rolling. The goal of this work is to evaluate some of the available methods. We mainly focused on a demonstration of simple methods without using machine learning methods. Part of the work is to present the dataset we create for testing.
|
|
|
Detekce vad potisku
Boček, Václav ; Boštík, Ondřej (oponent) ; Honec, Peter (vedoucí práce)
Tato práce se zabývá návrhem a realizací zařízení pro vizuální kontrolu potisku loga na propiskách. Ke snímání objektu je využito řádkové kamery. Řízení celé jednotky a zpracování pořízených dat zajišťuje mikropočítač Raspberry Pi 4, ke kterému je vytvořena rozšiřující deska pro ovládání periferií. Řízení jednotlivých prvků zařízení je implementováno v jazyku C++, algoritmy detekce v jazyku Python s využitím knihoven OpenCV a TensorFlow. Zařízení disponuje grafickým uživatelským rozhraním pro ovládání celého procesu kontroly. Na konci práce jsou uvedeny výsledky testu spolehlivosti celé kontrolní jednotky.
|
|
|
Autonomní vozidlo pro model dopravní situace
Schneiderka, Dominik ; Boštík, Ondřej (oponent) ; Janáková, Ilona (vedoucí práce)
Tato práce se zabývá vývojem autonomního autíčka na autodráze Carrera 143. Předmětem ovládání autíčka je samovolné zastavení na semaforu při svítící červené, či zastavení před překážkou. Práce popisuje vyvinuté elektrické obvody pro autíčko a jejich usazení na model vozidla. Algoritmy vyvinuté pro sledování vozovky před vozidlem jsou psány v jazyce C/C++ a výpočetní jednotku tvoří Raspberry Pi Zero. K práci s obrazovými informacemi je využito knihovny OpenCV. Veškeré zdrojové kódy byly vyvinuty ve vývojovém prostředí Microsoft Visual Studio 2019.
|
host ::
RSS.