|
|
Physical Simulation of a Cloth
Řehánek, Martin ; Juránek, Roman (referee) ; Navrátil, Jan (advisor)
This bachelor's thesis concerns with simulation of material in real time. By material we mean the textile. Firstly, it will explains principle of simulation in textile, where the system of springs is used. Secondly, it will explains mathematical and physical basics needed for simulation and then describes implementation of simulation itself. In a final part the achieved results are evaluated.
|
|
|
Person Identification for Surveillance
Hopjan, Tomáš ; Juránek, Roman (referee) ; Hradiš, Michal (advisor)
This project deals with camera system surveillance and identification of humans. Motion detection and identification methods are presented. The main issue is people tracking using multiple camera system. Identification of individuals is accomplished using processing of decomposed colors histograms. Based on the experiments benefits and problems are introduced.
|
|
|
Unsupervised Anomaly Detection in Image
Salvet, Lukáš ; Herout, Adam (referee) ; Juránek, Roman (advisor)
This thesis deals with anomaly detection on industrial products. The main requirement was that the method required as little data with anomalies as possible at the time of construction and that it was easily applicable to different types of products. Neural network that is indirectly taught to find differences between two pictures is designed and described in this thesis. The anomaly detection itself should take place based on the representation of input data in latent space or in combination with a reconstruction loss. Four different method modifications have been designed and tested. The testing was mainly carried out on the MVTec AD dataset, which contains industrial products. Unfortunately the assumption that if the network is taught to look for differences the latent space will be interpreted better was not confirmed. Therefore the method was evaluated in a reconstructive error mode in~which it achieves comparable results with other methods. The result is insufficient for use in practice.
|
|
|
Vehicle Make and Model Recognition
Gregor, Adam ; Špaňhel, Jakub (referee) ; Juránek, Roman (advisor)
V praktické části diplomové práce byla realizována úloha ozpoznání výrobce a modelu vozidla (VMMR). V první části byla pro účely strojového učení sestavena datová sada vozidel sestávající se z obrázků z Internetu. Takto bylo získáno přes 6 milionů obrázků aut, autobusů, motorek a dodávek, použitelných pro úlohu VMMR. Dále byla v rámci ex- perimentů na část datové sady použita standardní klasifikace, kdy na enkodér navazuje klasifikační vrstva realizovaná použitím neuronové sítě, a přístup, kdy za pomocí metody supervised contrastive learning byly embeddingy z enkodérů shlukovány za účelem snazší klasifikace. Jelikož první uvedený přístup vracel přesnější výsledky, byl použit v dalších experimentech. V nich se použilo větší množství obrázků z naší datové sady k natrénování klasifikátoru pro VMMR. Další klasifikátory byly natrénovány na datových sadách Stan- ford Cars a Comprehensive cars. Posléze bylo při porovnávání funkčnosti klasifikátorů na různých datových sadách shledáno, že klasifikátor trénovaný na naší datové sadě si vedl nejlépe.
|
|
|
Fingerprint Identity Preserving Generative Adversarial Networks
Kačur, Ján ; Juránek, Roman (referee) ; Špaňhel, Jakub (advisor)
Táto práca sa sústredí na generovanie latentných odtlačkov prstov za pomoci Generatívnych oponentných neurónových sietí. Hlavnou úlohou je generovanie viacerých verzií latentných odtlačkov z čistého odtlačku, s rovnakou identitou. Identitu a štýl odtlačku by malo byť možné osobitne meniť. Zvolený postup sa zakladá na modeli AugNet. Navrhnutý algoritmus generuje latentné odtlačky z čistých binarizovaných odtlačkov a náhodného vektora, reprezentujúceho skreslenie, resp. štýl. V generátore sú použité AdaIN bloky na spojenie štýlu so vstupným odtlačkom. Je testovaných viacero trénovacích algoritmov, z ktorých WGAN-GP dosahuje najlepšie výsledky. Jednotlivé modely sú porovnávané kombináciou metrík FID a Rank-1 accuracy pri porovnávaní generovaných obrázkov s originálnymi vstupnými binarizovanými odtlačkami. Najlepšie modely sú vybrané ako Pareto optimálne kombinácie týchto 2 metrík.
|
|
|
Photo Noise Reduction Using Deep Neural Networks
Tichý, Jonáš ; Juránek, Roman (referee) ; Španěl, Michal (advisor)
Obrazový šum je fundamentálním problémem v digitální fotografii. Cílem této práce je studium redukce šumu ve fotografiích pomocí hlubokých neuronových sítí. Dvě vybrané metody založené na hlubokých neuronových sítích, DnCNN a BRDNet, byly implementovány a jejich výkon byl změřen v několika experimentech. Kromě toho byl navržen a proveden experiment na uživatelích s cílem vyhodnotit vnímanou kvalitu obrazu širokou veřejností. Experimenty ukázaly, že zatímco obě metody dosahují výborných výsledků v metrikách, jako je PSNR a SSIM, vnímaná vizuální kvalita ne vždy koreluje s numerickými metrikami. Výsledky prezentované v této práci zdůrazňují důležitost vhodných trénovacích dat a metrik kvality obrazu v odšumování digitálních fotografií.
|
|
|
Holistic License Plate Recognition Based on Convolution Neural Networks
Morbitzer, Dušan ; Juránek, Roman (referee) ; Špaňhel, Jakub (advisor)
The goal of this work is to create a model of neural network for holistic recognition of license plates, focused on accuracy and shortening of the learning process. The model was implemented as a union of convolutional neural network for extraction of deep features of a plate and Bidirectional LSTM with CTC. The trained model was compared to another implementation using a holistic approach, that was trained on the same dataset. My design of the network achieved better results in recognition on a dataset, which is different from the training one, with an error rate of 8.3 %.
|
|
|
Vehicle Counting in Still Image
Vágner, Filip ; Juránek, Roman (referee) ; Špaňhel, Jakub (advisor)
The goal of this work is to compare models of convolutional neural networks designed to count vehicles in a static image using density estimation with a focus on different sizes of objects in the scene. A total of four models were evaluated - Scale Pyramid Network, Scale-adaptive CNN, Multi-scale fusion network and CASA-Crowd. The evaluation was done on three data sets - TRANCOS, CARPK, PUCPR+. Scale Pyramid Network achieved the best results. The model reached 5.44 in the Mean Absolute Error metric and 9.95 in the GAME(3) metric on TRANCOS dataset.
|
|
|
Comic Images Super-Resolution Using Deep Learning
Zdravecký, Peter ; Juránek, Roman (referee) ; Španěl, Michal (advisor)
Táto práca demonštruje metódu super rozlíšenia na zlepšenie kvality komiksových obrázkov pomocou hlbokého učenia. Náročnou časťou tejto úlohy bolo súčasne zachovať kvalitu textových a kreslených častí, bez výraznej deformácie ktorejkoľvek časti z nich. Na dosiahnutie uspokojivých výsledkov boli skúmané dve hlboké neurónové siete. Sieť U-Net a modifikácia s názvom Robustný U-Net (RUNet). Zvolené stratové funkcie na trénovanie týchto sietí boli stredná kvadratická chyba a perceptuálna strata. Práca obsahuje experimenty na týchto sieťach v kombinácii s každou stratovou funkciou. Ďalšie experimenty sa zamerali na vplyv počtu použitých blokov zo stratovej siete VGG16 na funkciu perceptuálnej straty. Experimenty ukázali, že sieť RUNet využívajúca perceptuálnu stratu s tromi extrahovanými blokmi dosiahla najlepšie výsledky.
|
|
|
Multispectral Image Processing
Li, You ; Juránek, Roman (referee) ; Zemčík, Pavel (advisor)
S rychlým rozvojem technologie multispektrálního zobrazování v posledních desetiletích obrázky získané zobrazovacími systémy obsahují nejen barevná pásma RGB v každodenním životě, ale také mají multispektrální barevná pásma a vysoké prostorové rozlišení v multispektrálních obrazových datech. Díky tomu obrázky obsahují bohaté informace o charakteristických cílových oblastech. Fúze obrazu je také důležitou větví v oblasti zpracování obrazu, kde je více obrázků ze stejné oblasti ve stejné výšce sloučeno do jednoho obrazu. Poté se zlepší korelace mezi spektrálními informacemi multispektrálních obrazů. Aby se informace na obrázku neztratily. Tato práce obsahuje popis návrhu a implementace multispektrálního obrazového systému, předzpracování multispektrálních obrazů, fúzi multispektrálních obrazů a analýzu hlavních komponent. Nakonec je představeno hodnocení celého systému.
|
guest ::
RSS feed.