|
|
Fast Analysis of Borders in Image
Kolesár, Matej ; Španěl, Michal (referee) ; Herout, Adam (advisor)
Táto práca sa zameriava na problém detekcie hrán v prirodzených obrazoch pri zachovaní vysokej rýchlosti pre spracovanie obrázku. Najprv sa analyzujú existujúce prístupy a z nich sa extrahujú príslušné informácie. Táto informácia sa potom použije na navrhnutie dvoch architektúr, ktoré používajú konvolučné neurónové siete. Jedna architektúra je založená na RCF a obohacuje výstup, zatiaľ čo druhá je kombináciou RCF a RCN. Táto kombinácia poskytuje lepšie vzorkovanie a ešte viac obohacuje výstup. Vyhodnotenie sa uskutočnilo na dátovej sade BSDS500 a najlepší výsledok sa dosiahol pre model, ktorý kombinoval RCF a RCN so skóre ODS 0,675.
|
|
|
Cloud Computing Application Design Patterns
Kolesár, Matej ; Burget, Radek (referee) ; Rychlý, Marek (advisor)
This thesis aims to demonstrate available cloud patterns which solve existing problems that are experienced in the cloud environment. Various cloud patterns are first analysed from a high-level view and then further studied on a lower component level. These components and architectures provide certain solutions depending on the use case of the application. A demo application is designed to showcase these design patterns and how they behave. The implementation is done using kubernetes and it is deployed to AWS. The chosen architecture uses microservices. The application consists of 2 designs. The first one shows the AWS advantages and the second one can be deployed on private clouds but also on AWS. At the end, experiments are performed that verify whether the used patterns had the expected results.
|
|
|
Fast Analysis of Borders in Image
Kolesár, Matej ; Španěl, Michal (referee) ; Herout, Adam (advisor)
Táto práca sa zameriava na problém detekcie hrán v prirodzených obrazoch pri zachovaní vysokej rýchlosti pre spracovanie obrázku. Najprv sa analyzujú existujúce prístupy a z nich sa extrahujú príslušné informácie. Táto informácia sa potom použije na navrhnutie dvoch architektúr, ktoré používajú konvolučné neurónové siete. Jedna architektúra je založená na RCF a obohacuje výstup, zatiaľ čo druhá je kombináciou RCF a RCN. Táto kombinácia poskytuje lepšie vzorkovanie a ešte viac obohacuje výstup. Vyhodnotenie sa uskutočnilo na dátovej sade BSDS500 a najlepší výsledok sa dosiahol pre model, ktorý kombinoval RCF a RCN so skóre ODS 0,675.
|
guest ::
RSS feed.