|
|
Hand Tracking for Mobile Virtual Reality
Smirnov, Alexander ; Gemrot, Jakub (vedoucí práce) ; Šikudová, Elena (oponent)
Mobilní virtuální realita inspirovaná Google Cardboard (kde je smartphone umístěn v levné náhlavní soupravě bez elektroniky) ztratila popularitu poté, co se na trhu objevily samostatné náhlavní soupravy VR. Zařízení jako Oculus Quest podporují úplné sledování skutečné polohy a rotace náhlavní soupravy a dvojice ovladačů (nebo dokonce jen rukou uživatele), to vše bez externích senzorů nebo počítačů, zatímco aplikace podobné kartonu sledují pouze rotaci hlavy uživatele. Pokusili jsme se vytvořit rámec, který by mohl poskytnout podobný zážitek jako samostatné náhlavní soupravy - mobilní VR aplikace schopná sledovat sebe a ruce uživatele v 6 stupních volnosti, to vše vyžaduje pouze smartphone s několika levnými doplňky. Použili jsme Unity AR Foundation k dosažení sledování náhlavní soupravy a různých algoritmů OpenCV k řešení sledování rukou - značky ArUco, Color Thresholding, Camshift a přístupy hlubokého učení, jako jsou OpenPose a YOLOv3. Naše zaměření bylo na testování algoritmů pro sledování rukou a zjistili jsme, že i když zdaleka nejsou dokonalé, koncept je proveditelný a s některými vylepšeními by se rámec mohl stát skutečným konkurentem v prostoru samostatných VR sluchátek.
|
|
|
Registration of images of nuclear fuel assembly
Harmanec, Adam ; Blažek, Jan (vedoucí práce) ; Šikudová, Elena (oponent)
Jaderné palivo je při pravidelných odstávkách vizuálně kontrolováno za účelem sledování defektů a dlouhodobých změn. Aby bylo možné automatizovaně srovnat snímky palivových souborů, je nutné provést jejich registraci, jejíž implementace zatím nebyla publikována ve vědecké literatuře. V této práci předkládáme analýzu jednotlivých kroků registrace, různých možností jejich řešení a podobnostních metrik inspirovaných automatickým zaostřováním a rekonstrukcí obrazu. Jejich kvalitu jsme hodnotili pomocí řady experimentů, které testovaly jejich různé vlasnosti na nové datové datové sadě vytvořené ve spolupráci s Centrem Výzkumu Řež. Nakonec představujeme a diskutujeme výsledky a nabízíme doporučení, kdy jako metriku použít.
|
|
|
Analýza starých manuskriptů
Piptová, Marcela ; Šikudová, Elena (vedoucí práce) ; Bída, Michal (oponent)
Tato práce se věnuje analýze historických manuskriptů s využitím statistických metod. Konkrétně se jedná o binarizaci dokumentu, tj. oddělení popředí od pozadí, dále detekci řádek textu a nakonec rozdělování těchto řádek na jednotlivá slova. Oproti tištěným dokumentům je tento proces ovšem značně komplikován obecně horší kvalitou rukopisů, nepravidelnou strukturou dokumentu, ozdobnými prvky přímo v textu apod. V práci uvádíme možné přístupy k řešení těchto problémů a detailně popisujeme algoritmus, který byl navržen a zvolen k implementaci. Důraz je kladen zejména na to, aby byly co nejlépe nalezeny a odstraněny netextové oblasti (iluminace apod.) v dokumentu. Součástí práce jsou i experimenty a vyhodnocení úspěšnosti zvolené metody. 1
|
|
|
Gradient boosted segmentation of retinal fundus images
Goliaš, Matúš ; Šikudová, Elena (vedoucí práce) ; Škovierová, Júlia (oponent)
Názov práce: Gradientová segmentácia snímok očného pozadia Autor: Matúš Goliaš Katedra: Katedra softwaru a výuky informatiky Vedúci práce: Doc. RNDr. Elena Šikudová PhD., Katedra softwaru a výuky informatiky Abstrakt: V posledných rokoch sa zvýšilo využívanie automatických metód v lekárskej diag- nostike. Značný počet publikácií bol zameraných na analýzu očných poškodení a chorôb. Jedným z najzávažnejších ochorení oka je zelený zákal (glaukóm). Spôsobuje poškodenie očných nervov a postupnú stratu zraku. Podstatný krok k rýchlejšej diagnóze tejto choroby je presná segmentácia terča zrakového nervu a jeho exkavácie. Táto úloha je náročná z dôvodu mnohých druhov poškodenia očnej sietnice, rôznych prístupov k získavaniu obrázkov očného pozadia a chýb spôsobených zachytávaním obrazu v kamere. Táto práca popisuje prahovací al- goritmus založený na postupnom zlepšovaní zvoleného prahu pre segmentáciu terča zrakového nervu. Definujeme funkciu podobnosti objektu k terču ako ria- diaci prvok vylepšovania prahu. Následne poskytneme algoritmus pre nájdenie ex- kavácie zrakového nervu založený na klasifikácií superpixelov. Predkladáme prí- stup používajúci gradientom zosilnené rozhodovacie stromy, ktoré ukazujú lepšie výsledky oproti náhodnému lesu a mechanizmus podporných vektorov. Ďalej vy- hodnotíme predstavené...
|
|
|
Finding invariances in sensory coding through gradient methods.
Kovács, Peter ; Antolík, Ján (vedoucí práce) ; Šikudová, Elena (oponent)
Kľúčom k porozumeniu spracovania zrakových vnemov je získať vhľad do senzorick- ého kódovania jednotlivých neurónov. Za týmto účelom došlo za posledných 50 rokov k veľkému pokroku v trénovaní modelov na neurálnych dátach s cieľom identifikovať mapo- vanie senzorického priestoru na neurálne odpovede. Najmä pokrok hlbokých neurónových sietí v neurovede umožnil vytvorenie modelov s vynikajúcou prediktívnou silou. Takéto pokročilé neurálne modely sú však zložité a ich zlá interpretovateľnosť doteraz bránila hlbšiemu pochopeniu princípov vizuálneho kódovania. Na riešenie tohto problému bola v nedávnej štúdii navrhnutá metóda, ktorá identi- fikuje stimul, ktorý najviac aktivuje neurón. Senzorické kódovanie vysoko nelineárnych neurónov, ktoré majú vysoké zastúpenie v prvotných fázach vizuálneho spracovania, je však príliš zložité na to, aby ich mohol jediný stimul dostatočne charakterizovať. Ro- bustnejším spôsobom, ako charakterizovať toto kódovanie, je identifikácia vstupného pod- priestoru stimulov, ktoré identicky aktivujú neurón - teda nájdenie invariancií senzorickej reprezentácie neurónu. V tejto práci je navrhnutý nový postup na nájdenie takýchto invariantných stimu- lov. Navrhovaná technika je založená na neurónovej sieti - generátore, ktorý mapuje gaussovský šum z latentného priestoru na množinu...
|
|
|
Detection of grids on nuclear fuel set images
Palášek, Jan ; Blažek, Jan (vedoucí práce) ; Šikudová, Elena (oponent)
Vizuální kontrola palivových souborů je nezbytná pro identifikaci anomálního chování spojeného s jejich stavem a budoucím použitím. Jedním z možných nálezů jsou cizí před- měty zachycené na distanční mřížce, které mohou za provozu narušit pokrytí palivových proutků. Cílem této práce je přesně segmentovat z obrázku distanční mřížku, což je du- ální úloha k detekci cízích předmětů, a automatizovat tak proces vizuální kontroly v této oblasti. Vytvořili jsme nové datasety pokrývající typické problémy paliva. Pro provedení segmentace jsme využili neuronové sítě. Zvýšili jsme výkon algoritmu použitím datové augmentace a doménově specifickým zpracováním výstupu. Změřili jsme výkonnost al- goritmu pomocí nově zavedené metriky Line Distance, která počítá velikost maximální nejisté oblasti mezi skutečným a předpovězeným přechodem mezi distančními mřížkami a pruty. V experimentech jsme našli nejlepší hyperparametry a dosáhli velmi dobrých vý- sledků. Překonali jsme našeho předchůdce tím, že naše Line Distance metrika byla třikrát nižší. 1
|
|
|
Learning to solve geometric construction problems from images
Macke, Jaroslav ; Šivic, Josef (vedoucí práce) ; Šikudová, Elena (oponent)
Konstrukce geometrických problémů pomocí kružítka a pravítka je problém, kterým se lidé zabývají už tisíce let. Lidé jsou schopni řešit geometrické problémy bez znalosti ana- lytického modelu popisujícího jednotlivá geometrická primitiva problému. Většina metod pro počítač analytický model vyžaduje. V této práci představíme metodu pro řešení geometrických konstrukcí s přístupem pouze k obrazové informaci dané scény. Metoda používá Mask R-CNN, konvoluční neuronovou síť pro detekci a segmentaci objektů v obrázcích a videích. Výstupem Mask R-CNN jsou masky a bounding boxy s názvy objektů detekovaných ve vstupním obrázku. V této práci přizpůsobíme architekturu Mask R-CNN pro řešení geometrických konstrukcí ze vstupního obrázku. Vytvoříme model, který nám umožní získat jednotlivé kroky geometrických konstrukcí z masek získaných pomocí Mask R-CNN a popíšeme jak tento model natrénovat. Řešit geometrické problémy tímto způ- sobem je však obtížné protože se musíme vypořádat s detekcí geometrických primitiv a ne- jednoznačností konstrukce. Jeden geometrický problém má nekonečně mnoho konstrukcí. Náš model by měl být schopen vyřešit problémy na kterých nebyl natrénován. Abychom vyřešili modelu neznámé konstrukční problémy, vyvinuli jsme prohledávací algoritmus, který prohledává prostor hypotéz navrhnutých Mask R-CNN...
|
|
|
Zpracování dat z elektronového mikroskopu pomocí GPU
Bali, Michal ; Kruliš, Martin (vedoucí práce) ; Šikudová, Elena (oponent)
Electron backscatter diffraction (EBSD) je metóda, ktorou fyzici bežne skúmajú kryštalické materiály. Jej základom je elektrónový mikroskop, kto- rým robia obrázky mikroštruktúry materiálu. Na to, aby boli schopní zistiť viac vlastností študovaných vzoriek, vznikla nová varianta metódy ktorá sa volá High resolution EBSD. Táto metóda spočíta vzájomnú koreláciu (cross- correlation) niekoľkých výsekov z EBSD fotografií, aby určila mieru ich defor- mácie voči referenčným obrázkom. Použiteľnosť tejto metódy je limitovaná relatívne veľkou náročnosťou výpočtu, čo znamená že sa nedá použiť na ana- lýzu väčších datasetov. Tiež platí, že spracovávanie jednotlivých výsekov aj obrázkov je nezávislé, čo znamená, že algoritmus je vhodný pre paralelizáciu na moderných GPU. V tejto práci detailne popisujeme spôsob akým sa spra- covávajú EBSD obrázky, analyzujeme ho a implementujeme najnáročnejšie časti s použitím CUDA technológie. V porovnaní s referenčnou implementá- ciou v Pythone sme dosiahli 30 až 40 násobné zrýchlenie pri výpočte vo vyššej presnosti (double) a až 270 násobné (v závislosti od parametrov) zrýchlenie pri výpočte v nižšej presnosti float.
|
|
|
Video analysis: an automatic time measurement in the robotic car competition
Ryšlink, Václav ; Vomlelová, Marta (vedoucí práce) ; Šikudová, Elena (oponent)
Naším hlavním cílem bylo navrhnout algoritmus, který by dokázal automaticky vy- hodnotit závody robotických aut z video snímků cílového úseku trati. S použitím stan- dardních metod zpracování obrazu jsme navrhli dva různé algoritmy, které se liší jak v očekávaném vstupu, tak v použitých metodách. Náš první algoritmus je schopný vyhod- notit závody libovolných robotických aut, jelikož k jejich rozpoznávání využívá předem pořízené referenční fotografie. I když jsme tento algoritmus úspěšně otestovali na námi pořízených tréninkových nahrávkách, ukázalo se, že existují i situace, ve kterých má tento algoritmus větší tendenci chybovat. Proto jsme nakonec navrhnuli i druhý algoritmus, který funguje ještě spolehlivěji než ten původní, a to výměnou za požadavek, aby závodící auta byla jednoznačně odlišená barevnými štítky. 1
|
|
|
Automatic On-Line Calibration and Calibration Monitoring of Cameras and Lidars
Moravec, Jaroslav ; Šikudová, Elena (vedoucí práce) ; Obdržálek, Štěpán (oponent)
Název: Automatická on-line kalibrace a monitorovánı́ kalibrace páru kamera- lidar Autor: Jaroslav Moravec Katedra: Katedra softwaru a výuky informatiky Školitel: doc. RNDr. Elena Šikudová, Ph.D., Katedra softwaru a výuky infor- matiky Abstrakt: Kamery a LiDARy jsou důležitá zařı́zenı́ automobilového průmyslu, jelikož jejich kombinace poskytuje užitečné informace (souřadnice bodu v pros- toru a jeho barvu a intenzitu) pro percepci, lokalizaci, mapovánı́ a predikci. Pro úspěšnou kombinaci dat z vı́ce zdrojů a jejı́ interpretaci je potřeba znát přesnou kalibraci vnitřnı́ch parametrů a relativnı́ pozice všech senzorů. V této práci se budeme zabývat třemi kalibračnı́mi metodami na reálných scénách. Naše řešenı́je založeno na robustnı́ věrohodnostnı́ funkci konstruované nad reprojekčnı́ chybou LiDARových hran vůči hranám v obrazu. Když se kalibrace měnı́ v čase, navrho- vaná online rekalibračnı́ procedura je schopna sledovat všechny vnějšı́ parametry s průměrnou chybou 0.13◦ v rotaci a 4 cm v translaci. Na základě této rekali- bračnı́metody jsme dále schopni monitorovat kalibraci a detekovat náhlou změnu v řádu sekund. V neposlednı́ řadě jsme ukázali automatickou kalibraci, která dokáže odhadnout jak vnějšı́ parametry kalibrace, tak ty...
|
host ::
RSS.