|
|
Rozpoznání ručně psaných číslic
Štrba, Miroslav ; Španěl, Michal (oponent) ; Herout, Adam (vedoucí práce)
Rozpoznávání ručně psaných číslic je problém, který se dá použít jako modelová úloha pro vícetřídní rozpoznávání vzorů v obraze. Tato práce zkoumá různé druhy algoritmů (Samo-organizující se mapy, Stromové klasifikátory a AdaBoost) a metody pro zvyšování úspěšnosti klasifikace pomocí fúze (většinové rozhodování, průměrování logaritmických pravděpodobnostních hodnot, lineární logistická regrese). Metody fúze byly využité na kombinaci klasifikátorů s identickými parametry trénování, s rozdílnými trénovacími metodami a s podvzorkovaným vstupním vzorem.
|
|
|
Detekce obličeje
Štrba, Miroslav ; Juránek, Roman (oponent) ; Hradiš, Michal (vedoucí práce)
Táto bakalárska práca obsahuje prehľad súčasných metód detekcie tvárí pomocou klasifikátorov. Obsahuje tiež popis tvorby systému na detekovanie tvárí. V prvej časti sú popísané rôzne metódy na trénovanie klasifikátorov. V druhej sa nachádza analýza, ktorá predchádzala tvorbe systému zameraného na čiernobiele snímky. Implementovaný systém využíva algoritmus WaldBoost a Haarove príznaky. Vo videosekvenciach je možné využiť časticový filter.
|
|
|
Detekce obličeje
Štrba, Miroslav ; Juránek, Roman (oponent) ; Hradiš, Michal (vedoucí práce)
Táto bakalárska práca obsahuje prehľad súčasných metód detekcie tvárí pomocou klasifikátorov. Obsahuje tiež popis tvorby systému na detekovanie tvárí. V prvej časti sú popísané rôzne metódy na trénovanie klasifikátorov. V druhej sa nachádza analýza, ktorá predchádzala tvorbe systému zameraného na čiernobiele snímky. Implementovaný systém využíva algoritmus WaldBoost a Haarove príznaky. Vo videosekvenciach je možné využiť časticový filter.
|
|
|
Rozpoznání ručně psaných číslic
Štrba, Miroslav ; Španěl, Michal (oponent) ; Herout, Adam (vedoucí práce)
Rozpoznávání ručně psaných číslic je problém, který se dá použít jako modelová úloha pro vícetřídní rozpoznávání vzorů v obraze. Tato práce zkoumá různé druhy algoritmů (Samo-organizující se mapy, Stromové klasifikátory a AdaBoost) a metody pro zvyšování úspěšnosti klasifikace pomocí fúze (většinové rozhodování, průměrování logaritmických pravděpodobnostních hodnot, lineární logistická regrese). Metody fúze byly využité na kombinaci klasifikátorů s identickými parametry trénování, s rozdílnými trénovacími metodami a s podvzorkovaným vstupním vzorem.
|
host ::
RSS.