|
Aplikace pro subjektivní hodnocení video sekvencí pro operační systém Android
Štarha, Dominik ; Přinosil, Jiří (oponent) ; Číka, Petr (vedoucí práce)
Tato semestrální práce je zaměřena na skupinu čtyř aktuálních video kodeků, konkrétně H.264, HEVC, VP8, VP9. Úkolem je rozhodnout na základě hodnocení dobrovolníky, který z kodeků se nejvíce hodí pro využití ke kompresi videa. V první části práce je uvedena teoretická stránka problematiky. To zahrnuje pojednání o zmíněných testovaných kodecích, popis operačního systému Android, představení vývojového nástroje Android Studio a v neposlední řadě také seznámení s používanými testovacími metodami k hodnocení video sekvencí, aby byla zaručena objektivnost výsledků práce. Druhá část práce pojednává o realizaci testování, průběhu a následném zhodnocení získaných dat.
|
|
Meření podobnosti obrazů s pomocí hlubokého učení
Štarha, Dominik ; Šeda, Pavel (oponent) ; Rajnoha, Martin (vedoucí práce)
Tato diplomová práce se zabývá výzkumem technologií, využívajících metod hlubokého učení, využitelných při zpracovávání obrazových dat. Konkrétním zaměřením práce je zhodnotit vhodnost a efektivnost hlubokého učení při porovnávání dvou vstupních obrazových dat. První – teoretická – část zahrnuje úvod do problematiky neuronových sítí a hlubokého učení. Obsahuje popis dostupných možností a jejich výhody a principy, vhodné při zpracování obrazových dat. Druhá – praktická – část práce obsahuje návrh vhodného modelu siamských sítí pro řešení problému problematiky porovnávání dvou vstupních obrazů a vyhodnocení jejich podobnosti. Výstupem je zhodnocení několika možných konfigurací modelu a vyzdvihnutí parametrů modelu s nejlepšími výsledky.
|
|
Meření podobnosti obrazů s pomocí hlubokého učení
Štarha, Dominik ; Šeda, Pavel (oponent) ; Rajnoha, Martin (vedoucí práce)
Tato diplomová práce se zabývá výzkumem technologií, využívajících metod hlubokého učení, využitelných při zpracovávání obrazových dat. Konkrétním zaměřením práce je zhodnotit vhodnost a efektivnost hlubokého učení při porovnávání dvou vstupních obrazových dat. První – teoretická – část zahrnuje úvod do problematiky neuronových sítí a hlubokého učení. Obsahuje popis dostupných možností a jejich výhody a principy, vhodné při zpracování obrazových dat. Druhá – praktická – část práce obsahuje návrh vhodného modelu siamských sítí pro řešení problému problematiky porovnávání dvou vstupních obrazů a vyhodnocení jejich podobnosti. Výstupem je zhodnocení několika možných konfigurací modelu a vyzdvihnutí parametrů modelu s nejlepšími výsledky.
|
|
Aplikace pro subjektivní hodnocení video sekvencí pro operační systém Android
Štarha, Dominik ; Přinosil, Jiří (oponent) ; Číka, Petr (vedoucí práce)
Tato semestrální práce je zaměřena na skupinu čtyř aktuálních video kodeků, konkrétně H.264, HEVC, VP8, VP9. Úkolem je rozhodnout na základě hodnocení dobrovolníky, který z kodeků se nejvíce hodí pro využití ke kompresi videa. V první části práce je uvedena teoretická stránka problematiky. To zahrnuje pojednání o zmíněných testovaných kodecích, popis operačního systému Android, představení vývojového nástroje Android Studio a v neposlední řadě také seznámení s používanými testovacími metodami k hodnocení video sekvencí, aby byla zaručena objektivnost výsledků práce. Druhá část práce pojednává o realizaci testování, průběhu a následném zhodnocení získaných dat.
|