|
|
Bezkontaktní měření rozměrů determinačních šupin
Šemora, Petr ; Matoušek, Radomil (oponent) ; Škrabánek, Pavel (vedoucí práce)
Tato práce se zabývá bezkontaktním měřením rozměrů análního štítku ještěrky obecné. V práci jsou nejprve stručně shrnuty techniky využívané k měření rozměrů objektů a techniky využívané k segmentaci obrazu. Následně práce poskytuje základní shrnutí o neuronových sítích a konvolučních neuronových sítích. V praktické části je popsán systém pro měření rozměrů análního štítku ještěrky obecné. Navržené algoritmy jsou implementovány v grafickém uživatelském rozhraní umožňující automatické i ruční měření.
|
|
|
Generátor syntetických dat pro vývoj detektorů dronů
Zlatníčková, Marie ; Dobrovský, Ladislav (oponent) ; Škrabánek, Pavel (vedoucí práce)
Tato diplomová práce se zabývá problematikou tvorby snímků realisticky vypadajících snímků z 3D modelů dronů. V textové části této práce jsou vysvětleny základní pojmy ve zpracování digitálního obrazu a použití neuronových sítí při detekci a rozpoznávání objektů v obraze. V praktické části této práce je popsáno softwarové řešení, které z digitálních 3D modelů vytváří barevné oštítkované snímky obsahující jeden či více dronů, v různých fázích letu, s různým nasvícením, natočením a rozostřením.
|
|
|
Segmentation of cardiac muscle images acquired using confocal microscopy
Kadlec, Filip ; Shehadeh, Mhd Ali (oponent) ; Škrabánek, Pavel (vedoucí práce)
Automating data acquisition and processing is common practice in both microscopy and computer vision fields. To classify and localize objects of interest (cardiomyocytes in this case) in microscopy images, segmentation can be performed. In this particular case, semantic segmentation by using deep neural networks was used as the core mean to perform mentioned task and software providing possibility of processing unlabeled data or training neural network architectures on labeled data was implemented. This work does a brief introduction to optical microscopy, inspects segmentation and deep learning in detail and finally describes the process from preparing data, implementing and training neural networks, to design of the final software. This software will ease the work of researchers by providing them with only relevant data, automate microscopy data acquisition, and with minor changes it can be applied to any similar segmentation task.
|
|
|
Active defence of drones from birds
Husovská, Viktória ; Lacko, Branislav (oponent) ; Škrabánek, Pavel (vedoucí práce)
This bachelor thesis focuses on the protection of drones from birds. The aim of the work was to develop a protection proposal that will be applicable to an ordinary drone at an affordable price, since there is no currently available commercial solution that would be able to do so. The sensory ecology of birds was investigated in the thesis and the deterrents of control of their adverse effects as well. Based on the effectiveness of all the deterrents and knowledge from the ecology of birds, a proposal for the protection of drones was introduced. The proposed protection combines visual, audio and mechanical protection and, aside from direct protection of the drone, it can also repel birds away. This would lead to a reduction of the risk of collisions and therefore provides protection for birds. Plastic construction protecting the sensitive parts of the drone is designed as mechanical protection, while a holographic tape and a siren are used to repel the birds away.
|
|
|
Virtuální senzory a jejich aplikace
Pakr, Jiří ; Dobrovský, Ladislav (oponent) ; Škrabánek, Pavel (vedoucí práce)
Virtuální senzory jsou postupně se rozšiřující technikou v oblasti průmyslových měření. Jedná se o počítačové programy, které za pomoci dříve získaných dat poskytují další údaje podobně jako klasické hardwarové senzory. Tyto údaje získávají pomocí prediktivních modelů založených na metodách strojového učení jako jsou například neuronové sítě nebo support vector machines. Tato práce obsahuje především rešerši fungování, struktur a tvorby virtuálních senzorů. Dále popisuje strojové učení, rozdělení jeho algoritmů a seznamuje s metodami běžně využívanými v oblasti virtuálních senzorů. Ke konci autor popisuje jejich možný budoucí vývoj a směr dalších aplikací.
|
|
|
Machin vision-based inspection of embossed texts and patterns on tubes
Záhorský, Patrik ; Holoubek, Tomáš (oponent) ; Škrabánek, Pavel (vedoucí práce)
Bachelor thesis deals with the inspection of embossed text and patterns on plastic tubes using machine vision. Part of the work is a research part, which deals with the composition of machine vision systems and its tasks in industry, the method of digital imaging, properties, technology and use of individual system components, including a description of technical and software tools for data processing. Subsequently, the solved tasks are specified and the monitored objects are described. The design of the system consists of a description of the hardware components, their interconnection, selection of a suitable geometry and implementation into a complete assembly. The following is a proposal for solutions for specified tasks, which describes the selection of individual algorithms and the setting of their parameters. Finally, the implemented solution is tested on two different sets of samples and the results are accordingly evaluated.
|
|
|
Efektivnost hlubokých konvolučních neuronových sítí na elementární klasifikační úloze
Prax, Jan ; Dobrovský, Ladislav (oponent) ; Škrabánek, Pavel (vedoucí práce)
V této diplomové práci jsou srovnány modely hlubokých konvolučních neuronových sítí a modely deskriptorů příznaků. Modely deskriptorů příznaků jsou doplněny o vybraný vhodný klasifikátor. Tyto modely spadají do oblasti strojového učení, a tudíž jsou v práci popsány typy strojového učení. Dále jsou tyto vybrané modely popsány a vysvětleny jejich základy a problémy. Je vypsán hardware a software použitý k uskutečnění testů a jsou vypsány výsledky testů a shrnutí výsledků. Pak je provedeno srovnání uvedených modelů na základě přesnosti validace a časové náročnosti.
|
|
|
Detekce více objektů s využitím počítačového vidění
Maršala, Štěpán ; Škrabánek, Pavel (oponent) ; Parák, Roman (vedoucí práce)
Cílem bakalářské práce je navrhnout a prakticky zrealizovat řídící algoritmus pro detekci objektů různých tvarů, barev a velikostí. Práce je rozdělena do pěti kapitol. První kapitola obsahuje rešerši dosavadního poznání v oblasti strojového vidění. Druhá kapitola popisuje funkce a využití open source knihovny OpenCV, která je použitá v praktické části práce. Praktická část začíná kapitolou shrnující použitou techniku. Následuje kapitola, která popisuje samotnou úlohu třídění objektů. Jsou zde popsány všechny technické aspekty a vysvětleny problémy, které bylo nutno překlenout. V poslední kapitole najde čtenář zprávu o zrealizování praktické části práce v laboratoři. Shrnutí výsledků laboratorního experimentu a celkového poznání je v závěru samotné práce.
|
|
|
Laboratorní úloha s regulací teploty
Telecký, Jakub ; Škrabánek, Pavel (oponent) ; Němec, Zdeněk (vedoucí práce)
Tato práce pojednává o regulaci a variantách, které lze k tomu využít. V teoretické části jsou proto uvedeny základní pojmy z oblasti automatizace a regulátorů. Hlavní částí je praktická část. Ze zakoupených částí je složena regulovaná soustava, kterou je nutno správně nastavit. Pomocí identifikace soustavy a známých postupů jsou sestaveny vzorové ukázky, jak regulátor co nejlépe nastavit. Výsledkem je ukázková laboratorní úloha, kterou si mohou studenti automatizace vyzkoušet a získat zkušenosti s metodami nastavování regulátoru.
|
|
|
Vliv barevných modelů na chování konvolučních neuronových sítí
Šimunský, Martin ; Doležel, Petr (oponent) ; Škrabánek, Pavel (vedoucí práce)
Diplomová práce zkoumá aktuální poznatky týkající se vlivu barevných modelů na chování konvoluční neuronové sítě. Na základě poznatků je proveden experiment na toto téma se šesti barevnými modely RGB, HSV, CIE 1931 XYZ, CIE 1976 L*a*b*, YIQ a YCbCr a hlubokou konvoluční neuronovou sítí ResNet-101. Barevný model RGB dosáhl v tomto experimentu nejvyšší přesnosti klasifikace, model HSV nejnižší.
|
host ::
RSS.