|
|
Detekce objektů v obraze s pomocí Haarových příznaků
Mašek, Jan ; Smékal, Zdeněk (oponent) ; Burget, Radim (vedoucí práce)
Tato práce se zabývá detekcí objektů v obraze s použitím Haarových příznaků a algoritmu AdaBoost. V textu jsou popsány metody trénování a testování objektového detektoru. Hlavní přínos práce spočívá ve vytvoření objektového detektoru v programovacím jazyce Java. Vytvořené algoritmy byly integrovány jako rozšíření programu RapidMiner, který patří celosvětově mezi nejznámější a nejpoužívanější programy pro dolování informací z báze dat. Dále byly vytvořeny návody pro použití vytvořených operátorů a několik vzorových příkladů spustitelných v programu RapidMiner. Funkčnost objektového detektoru byla ověřena na vybraných zdravotnických snímcích.
|
|
|
Rozpoznávání emocí z textu pomocí umělé inteligence
Vylíčil, Radek ; Karásek, Jan (oponent) ; Mašek, Jan (vedoucí práce)
Tato práce se zabývá rozpoznáváním emocí z textů pomocí strojového učení. V textu jsou popsány metody pro trénování a testování rozpoznávacích modelů. Hlavní přínos této práce spočívá ve vytvořeném algoritmu rozhodovacího stromu v jazyce Java. Vytvořený algoritmus byl integrován jako rozšíření do programu RapidMiner. V tomto programu vzniklo několik vzorových příkladů. Funkčnost byla ověřena na vytvořené databázi dat.
|
|
| |
|
|
Client-Server Application Based on CORBA
Majtán, Martin ; Mašek, Jan (oponent) ; Karásek, Jan (vedoucí práce)
Bachelor thesis deals with client-server applications and software technologies used to implement client-server applications in the Java programming language. The goal of bachelor thesis is the parallelization of genetic algorithm for knapsack problem and create two distributed models for technology CORBA and Hessian. In the teoretical part of the thesis are describes the basic concept of network communication, explanation client-server model of network communication, there are discussed technologies Java RMI, CORBA and Hessian. In the thesis is described the parallel and the distributed model of data processing, genetic algorithm and its use to solve the knapsack problem. In the practical part is created parallel and distributed model of a genetic algorithm for knapsack problem using technology CORBA and Hessian. In the thesis is done comparison of parallel model and distributed models in terms of calculation time. Results of measurement time are displayed in tables.
|
|
|
Nové metody zpracování textu pro klasifikaci emocí
Onderka, Jakub ; Burget, Radim (oponent) ; Mašek, Jan (vedoucí práce)
Tato diplomová práce se zabývá možnostmi extrakce emocí z textu, konkrétně strojovými metodami bez učitele. Podrobněji jsou popsány metody sémantického modelování LSA, pLSA a LDA. Byla vytvořena implementace metody LDA v jazyce Java, která byla použita pro emocionální klasifikaci 860 česky psaných dokumentů do šesti odlišných emocí. Maximální přesnost při optimalizaci parametrů modelu byla 24 %.
|
|
|
Vyhledávání obrazu na základě podobnosti
Harvánek, Martin ; Mašek, Jan (oponent) ; Burget, Radim (vedoucí práce)
V práci sú implementované metódy: kruhových sektorov, momentov farieb, vektoru spojitych farieb a Gáborových filtrov, ktoré sú založené na obrazových charakteristikách nízkej úrovne. Tieto metódy boli vyhodnotené po nájdení optimálnych parametrov. Hľadanie optimálnych parametrov metód je realizované pomocou presnosti klasifikácie učiacich sa algoritmov a operátora krížová validácia v programe RapidMiner. Implementované metódy sú hodnotené na základe celkovej priemernej precíznosti nad množinou obrazov s desiatimi kategóriami - starodávne budovy, pláž, autobus, dinosaurus, slon, kvet, jedlo, kôň, hora, domorodci. Implementovanou modifikáciou (farebný priestor HSB + štatistická funkcia median) metódy kruhových sektorov je dosiahnutá o 8 % vyššia presnosť klasifikácie ako pôvodna metóda uvedená v literatúre. Kombináciou metód momentov farieb, kruhových sektorov a Gáborových filtrov s pridelenými váhovými koeficientami, bol dosiahnutý najlepší výsledok celkovej priemernej precíznosti na úrovni 70,48 % zo všetkých implementovaných metód.
|
|
|
Neuronové sítě s ozvěnou stavu pro předpověď vývoje finančních trhů
Pospíchal, Ondřej ; Mašek, Jan (oponent) ; Burget, Radim (vedoucí práce)
Tato práce se zabývá neuronovou sítí s ozvěnou stavu a urychlením jejího učení implementací na grafický procesor. V teoretické části práce jsou obecně uvedeny neuronové sítě a několik vybraných typů neuronových sítí, ze kterých vychází síť s ozvěnou stavu. Dále jsou uvedeny další algoritmy používané pro analýzu časových řad a v neposlední řadě byly také stručně popsány nástroje, které byly použity v praktické části práce. Praktická část popisuje tvorbu akcelerované varianty sítě s ozvěnou stavu. Následně je popsána tvorba vstupních datových souborů reálných finančních indexů, na kterých byla poté síť s ozvěnou stavu a ostatní algoritmy testovány. Analýzou této akcelerované varianty bylo zjištěno, že její rychlost učení nesplnila teoretická očekávaní. Akcelerovaná varianta pracuje pomaleji, avšak s větší přesností. Analýzou výsledků měření dalších algoritmů bylo zjištěno, že nejvyšších přesností dosahují řešení pracující na principu neuronových sítí.
|
|
|
Automatická konfigurace virtuální infrastruktury
Kadlíček, Jan ; Mašek, Jan (oponent) ; Uher, Václav (vedoucí práce)
Tato diplomová práce se zaměřuje na problematiku automatizace virtuální infrastruktury a dostupné nástroje jako jsou například Ansible, Terraform či Puppet. Jednotlivé nástroje jsou zde posupně porovnávány v rámci instalací či vytváření konfigurací. Výsledkem této semestrální práce je pak výběr vhodného nástroje pro automatizaci virtuální infrastruktury.
|
|
|
Xtend GUI regression testing tool
Hamár, Lukáš ; Mašek, Jan (oponent) ; Sikora, Marek (vedoucí práce)
The diploma thesis deals with regression testing of the Campaign Manager web application of the Xtend product. The work interprets the software development methodologies and subsequently it describes the types of testing that are closely related to development. Furthermore, the work focuses on tools used for the graphical user interface testing and their mutual comparison. The next part of the work is dedicated to the creation of the development environment and it analyzes the structure of test cases that were developed in the created environment. The last section describes how the Campaign Manager was tested and how test results were generated and obtained.
|
|
|
Image segmentation using deeplearning methods
Lukačovič, Martin ; Burget, Radim (oponent) ; Mašek, Jan (vedoucí práce)
This thesis deals with the current methods of semantic segmentation using deep learning. Other approaches of neaural networks in the area of deep learning are also discussed. It contains historical solutions of neural networks, their development, and basic principle. Convolutional neural networks are nowadays the most preferable networks in solving tasks as detection, classification, and image segmentation. The functionality was verified on a freely available environment based on conditional random fields as recurrent neural networks and compered with the deep convolutional neural networks using conditional random fields as postprocess. The latter mentioned method has become the basis for training of new models on two different datasets. There are various enviroments used to implement neural networks using deep learning, which offer diverse perform possibilities. For demonstration purposes a Python application leveraging the BVLC\,/\,Caffe framework was created. The best achieved accuracy of a trained model for clothing segmentation is 50,74\,\% and 68,52\,\% for segmentation of VOC objects. The application aims to allow interaction with image segmentation based on trained models.
|
host ::
RSS.