|
|
Příprava trénovacích dat pomocí generativních neuronových sítí
Ševčík, Pavel ; Kolář, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
Cílem této práce byla příprava trénovací datové sady pro detekci dopravních značek pomocí generativních neuronových sítí. V řešení byla použita upravená architektura U-Net a bylo experimentováno s aplikací stylů pomocí vrstev AdaIN podobně jako v modelu StyleGAN. Rozšířením reálné datové sady GTSDB o uměle vytvořené snímky bylo dosaženo úspěšnosti 80,36 %, což představuje zlepšení o 19,27 % oproti úspěšnosti detektoru natrénovanému pouze na reálných datech.
|
|
|
Analýza podpisového vzoru s využitím umělé neuronové sítě
Ševčík, Pavel ; Horák, Karel (oponent) ; Pohl, Jan (vedoucí práce)
Práce se zabývá metodami počítačového zpracování podpisového vzoru a jeho analýzou s využitím umělé neuronové sítě. Jde o procesy, při kterých je nejprve podpis digitalizován a zpracováván pomocí metod předzpracování a segmentace. Poté je objekt podpisového vzoru popsán pomocí centrálních geometrických momentů a momentových charakteristik. Nakonec probíhá klasifikace vícevrstvým perceptronen, pomocí jehož výstupů bude určena osoba, které podpis patří.
|
|
|
Generativní neuronové sítě pro ručně psané písmo
Ševčík, Pavel ; Dobeš, Petr (oponent) ; Hradiš, Michal (vedoucí práce)
Cílem této práce bylo vytvořit model pro generování řádků ručně psaného písma. Model na základě očekávaného stylu a libovolně dlouhého textu vytváří odpovídají obrázek s písmem. Navržené řešení překonává existující přístupy v kvalitě generovaného písma a umožňuje generování jak samostatných slov, tak i řádků. Kombinuje vyhledávání příznaků pro jednotlivé symboly pomocí attention a jejich rozmístění na řádek pomocí vkládání mezer. Nový přístup umožňuje specifikovat pozice symbolů na řádku jemněji než celými čísly, a tak vytvářet plynulejší interpolace mezi různými styly. Na rozdíl od předchozího řešení tento přístup využívá Gaussův filtr pro rozšíření jednotlivých příznaků symbolů do blízkého okolí. Současně tento přístup otevírá množnost trénování modelu pro odhad pozic symbolů na řádku adversariální chybou (GAN). Navíc byly vytvořeny anotace horizontálních pozic symbolů na řádcích datové sady ručně psaného písma IAM.
|
|
|
Návrh informačního systému pro operativní řízení výroby
Ševčík, Pavel ; Krejčí, Jaromír (oponent) ; Videcká, Zdeňka (vedoucí práce)
Životní fáze provozu informačního systému je charakteristická častými změnami požadavků na vlastnosti systému. Přizpůsobení se těmto požadavkům je nezbytnou podmínkou pro úspěšnost systému v jeho prostředí. Změna, kterou proto systém musí prodělat, může být pokaždé jinak rozsáhlá. Pokud je nutné pro uspokojení nových požadavků přidat, odebrat nebo změnit jednotlivé komponenty systému a vazby mezi nimi, hovoříme o změně architektury systému. Tento zásah je natolik rozsáhlý, že je velice riskantní ho provádět bez jakékoliv kontroly a řízení. Tato práce se zabývá právě těmito změnami a jejich řízením. Jsou zde navrženy hlavní fáze procesu změny a jednotlivé činnosti patřící do těchto fází. Návrh těchto fází vychází z procesu vývoje IS a dostupné literatury z této oblasti. Cílem je poskytnout určitý rámec, na jehož základě bude možné zmíněný proces řídit.
|
|
|
Bezpečnostní systémy v motorových vozidlech
Ševčík, Pavel ; Mikulčík, Aleš (oponent) ; Hájek, Vítězslav (vedoucí práce)
Tato bakalářská práce pojednává o bezpečnostních a komfortních systémech v motorových vozidlech. Je zaměřena na bezpečnostní systémy, jako jsou bezpečnostní pásy a jejich předpínače, airbagy a jejich rozdělení a na řídící jednotky pro aktivaci samotných bezpečnostních prvků. Dále pojednává o funkci hlavových opěrek a o systému aktivní opěrky hlavy a také o systému bezpečného převážení dětí v automobilech. Zabývá se také komfortními systémy a stručně nastiňuje směry ve vývoji bezpečnostních systémů. Poslední část bakalářské práce se zabývá analýzou a experimentálním měření na nárazovém snímači. Je popsán princip funkce akcelerometru ADXL150 a je provedeno praktické měření na tomto snímači včetně zhodnocení naměřených výsledků.
|
|
|
Výpočet jednofázového asynchronního motoru
Ševčík, Pavel ; Vítek, Ondřej (oponent) ; Hájek, Vítězslav (vedoucí práce)
Tato diplomová práce se zabývá jednofázovým asynchronním motorem. První část pojednává o konstrukci, principu činnosti a základních parametrech tohoto motoru. Je probrán také vznik točivého momentu a momentové charakteristiky jednotlivých typů motorů. Druhá část objasňuje základní způsoby získávání záběrového momentu včetně nastínění principů funkce jednotlivých konstrukčních provedení, které se v praxi vyrábějí. Ve třetí části je podrobně rozebrán jednofázový asynchronní motor s pomocnou fází a trvele připojeným kondenzátorem včetně způsobu určení velikosti kondenzátoru. Čtvrtá část pojednává o zásadách postupu pro výpočet základních parametrů jednofázového asynchronního motoru s pomocnou fází. V poslední části je proveden výpočet jednofázového asynchronního motoru s kondenzátorem v pomocné fázi včetně se srovnáním navrhnutého motoru s již vyráběným motorem.
|
|
|
Generativní neuronové sítě pro ručně psané písmo
Ševčík, Pavel ; Dobeš, Petr (oponent) ; Hradiš, Michal (vedoucí práce)
Cílem této práce bylo vytvořit model pro generování řádků ručně psaného písma. Model na základě očekávaného stylu a libovolně dlouhého textu vytváří odpovídají obrázek s písmem. Navržené řešení překonává existující přístupy v kvalitě generovaného písma a umožňuje generování jak samostatných slov, tak i řádků. Kombinuje vyhledávání příznaků pro jednotlivé symboly pomocí attention a jejich rozmístění na řádek pomocí vkládání mezer. Nový přístup umožňuje specifikovat pozice symbolů na řádku jemněji než celými čísly, a tak vytvářet plynulejší interpolace mezi různými styly. Na rozdíl od předchozího řešení tento přístup využívá Gaussův filtr pro rozšíření jednotlivých příznaků symbolů do blízkého okolí. Současně tento přístup otevírá množnost trénování modelu pro odhad pozic symbolů na řádku adversariální chybou (GAN). Navíc byly vytvořeny anotace horizontálních pozic symbolů na řádcích datové sady ručně psaného písma IAM.
|
|
|
Příprava trénovacích dat pomocí generativních neuronových sítí
Ševčík, Pavel ; Kolář, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
Cílem této práce byla příprava trénovací datové sady pro detekci dopravních značek pomocí generativních neuronových sítí. V řešení byla použita upravená architektura U-Net a bylo experimentováno s aplikací stylů pomocí vrstev AdaIN podobně jako v modelu StyleGAN. Rozšířením reálné datové sady GTSDB o uměle vytvořené snímky bylo dosaženo úspěšnosti 80,36 %, což představuje zlepšení o 19,27 % oproti úspěšnosti detektoru natrénovanému pouze na reálných datech.
|
|
|
Návrh informačního systému pro operativní řízení výroby
Ševčík, Pavel ; Krejčí, Jaromír (oponent) ; Videcká, Zdeňka (vedoucí práce)
Životní fáze provozu informačního systému je charakteristická častými změnami požadavků na vlastnosti systému. Přizpůsobení se těmto požadavkům je nezbytnou podmínkou pro úspěšnost systému v jeho prostředí. Změna, kterou proto systém musí prodělat, může být pokaždé jinak rozsáhlá. Pokud je nutné pro uspokojení nových požadavků přidat, odebrat nebo změnit jednotlivé komponenty systému a vazby mezi nimi, hovoříme o změně architektury systému. Tento zásah je natolik rozsáhlý, že je velice riskantní ho provádět bez jakékoliv kontroly a řízení. Tato práce se zabývá právě těmito změnami a jejich řízením. Jsou zde navrženy hlavní fáze procesu změny a jednotlivé činnosti patřící do těchto fází. Návrh těchto fází vychází z procesu vývoje IS a dostupné literatury z této oblasti. Cílem je poskytnout určitý rámec, na jehož základě bude možné zmíněný proces řídit.
|
|
|
Analýza podpisového vzoru s využitím umělé neuronové sítě
Ševčík, Pavel ; Horák, Karel (oponent) ; Pohl, Jan (vedoucí práce)
Práce se zabývá metodami počítačového zpracování podpisového vzoru a jeho analýzou s využitím umělé neuronové sítě. Jde o procesy, při kterých je nejprve podpis digitalizován a zpracováván pomocí metod předzpracování a segmentace. Poté je objekt podpisového vzoru popsán pomocí centrálních geometrických momentů a momentových charakteristik. Nakonec probíhá klasifikace vícevrstvým perceptronen, pomocí jehož výstupů bude určena osoba, které podpis patří.
|
host ::
RSS.