|
|
Detekce kvádrů-krabic v obraze
Soroka, Matej ; Bartl, Vojtěch (oponent) ; Herout, Adam (vedoucí práce)
Cieľom tejto práce je experimentovať a vyhodnotis rôznymi prístupmi počítačového videnia s cieľom automatickej detekcie krabíc-kvádrov v obraze, za týmto cieľom boli v riešení použité prístupy založené na neurónových sieťach. V práci boli prevedené experimenty s klasifikáciou pomocou vlastnej dátovej sady, klasifikáciou s využitím vlastnej konvolučnej neurónovej siete, detekciou pomocou pouvného okna, detektora YOLO a v poslednej časti návrh vylepšenia s použitím sietí U-net a MirrorNet.
|
|
|
Matení algoritmů počítačového vidění
Hrabal, Matěj ; Bartl, Vojtěch (oponent) ; Herout, Adam (vedoucí práce)
Cílem této práce bylo zkoumání existujících metod matení počítačového vidění a rozpoznávání. Zaměřil jsem se zejména na metody typu pixel attack.Dále jsem porovnal jednotlivé metody obrany proti těmto útokům. Jednotlivé metody typu pixel attack a možnosti obrany proti těmto útokům jsem implementoval v jazyce python s využitím knihovny Keras. V rámci práce jsem vytvořil nástroj, který umožňuje provést útok metodou pixel attack na uživateli zvoleném obrázku, a z informací získaných při útocích dokáže generovat statistiky. Nástroj také umožňuje detekovat možné útoky v obrázcích.
|
|
|
Mobilní aplikace: Supersnadný sdílený nákupní seznam
Krhovský, Patrik ; Bartl, Vojtěch (oponent) ; Herout, Adam (vedoucí práce)
Cílem této práce je vytvořit mobilní aplikaci pro sdílení nejdůležitějších věcí v domácnosti, kanceláři nebo studentském bytě mezi uživateli a upozornit ostatní, pokud nějaká z věcí dochází. Sdílení těchto věcí mezi uživateli probíhá v reálném čase pomocí databáze Google Cloud Firestore. Aplikace je implementována v React Native a je dostupná pro iOS a Android zařízení. Pro chod mobilní aplikace bylo implementováno i REST API v Node.js, které se mimo jiné stará například o odesílání push notifikací. Práce se zaměřuje na návrh mobilní aplikace, její implementaci a průběžné testování. Výsledná aplikace je publikována v Apple App Store a Google Play. Uživatel by díky ní neměl nikdy zapomenout koupit to, co opravdu potřebuje.
|
|
|
Pořizování vysoce kvalitních snímků rovinných povrchů chytrým telefonem
Masaryk, Adam ; Bartl, Vojtěch (oponent) ; Herout, Adam (vedoucí práce)
Cieľom tejto práce je vytvoriť mobilnú aplikáciu pre systém Android, ktorá užívateľom umožní vytvárať vysoko kvalitné fotografie rovinných predmetov. V aplikácii si užívateľ vytvorí viacero fotografií vybraného rovinného predmetu. Tieto fotografie sú následne zarovnané a potom spojené do jedného výsledného obrázku, pričom pri tomto spojení dochádza k odfiltrovaniu rôznych nedostatkov, ktoré sa môžu vo fotografiách nachádzať.
|
|
|
Detekce jízdy na červenou
Šorf, Milan ; Bartl, Vojtěch (oponent) ; Špaňhel, Jakub (vedoucí práce)
Tato práce se zabývá automatickou detekcí jízdy na červenou ze statické kamery. Teoretická část práce popisuje princip detekce, představuje některé metody zpracování obrazu pro detekci semaforů a automobilů a popisuje metriky pro jejich srovnávání. Práce se rovněž zabývá implementací aplikace pro porovnání úspěšnosti jednotlivých metod.
|
|
|
Detekce význačných bodů v obrazech vozidel
Chadima, Vojtěch ; Bartl, Vojtěch (oponent) ; Herout, Adam (vedoucí práce)
Tato práce řeší automatickou detekci význačných bodů na obrázcích automobilu. Takto detekované význačné mohou dále sloužit k automatické kalibraci kamery, například pro dohled v dopravě, což je problém, po jehož vyřešení je možné kameru využít v aplikacích jako měření rychlosti vozidel či hustoty dopravy. K detekci význačných bodů jsem použil konvoluční neuronovou síť typu Stacked Hourglass. Dále byl vytvořen generátor trénovacích dat v podobě obrázku a odpovídající anotace využívající API Blenderu, který umožňuje vytváření datasetů pro libovolné objekty. Detekované význačné body jsem analyzoval a seřadil dle přesnosti jejich detekce, přičemž platí, že čím přesněji je bod na snímku detekovatelný, tím je vhodnější pro použití při úlohách typu kalibrace kamery.Podařilo se natrénovat modely neuronových sítí, které jsou schopny detekovat 1 021 význačných bodů, z nichž nejlepších 24 s průměrnou odchylkou menší než 3 pixely. Výsledky této práce jsou základem pro kalibraci kamery na základě rozpoznání nejvhodnějších význačných bodů, případně mohou dále sloužit k vytváření vlastních trénovacích datasetů a trénování vlastních modelů neuronových sítí typu Stacked Hourglass.
|
|
|
Aplikace chytrých hodinek pro podporu sportovního tréninku a závodů
Dohnalík, Pavel ; Bartl, Vojtěch (oponent) ; Herout, Adam (vedoucí práce)
Cílem práce je vytvořit aplikaci na chytré hodinky, která umožní měřit závody a tréninky, případně vytvářet lokalizační podklady pro tuto činnost. Aplikace je implementovaná pro mobilní zařízení s operačním systémem Android a iOS. Pro chytré hodinky je podporován operační systém Wear OS. V práci je popsána teorie programování pro mobilní operační systémy a programování na operační systém Wear OS. V praktické části je popsaný návrh, implementace a testování. Pro implementaci mobilní aplikace jsem zvolil framework Flutter spolu s jazykem Dart. Pro aplikaci na chytré hodinky jsem zvolil framework Flutter spolu s jazykem Dart. Výsledná aplikace umožňuje uživatelům měřit závody a tréninky.
|
|
|
Odhad rychlosti vozidla ze záznamu on-board kamery
Janíček, Kryštof ; Bartl, Vojtěch (oponent) ; Špaňhel, Jakub (vedoucí práce)
Tato práce se zabývá návrhem a vývojem systému pro odhad rychlosti vozidla ze záznamu palubní kamery. Odhad rychlosti je založen na odhadu optického toku mezi dvěma snímky a konvoluční neuronové síti. Na vytvořené datové sadě dokáže navržený systém odhadnout rychlost s průměrnou chybou 20% při rychlostech vyšších než 35 kilometrů za hodinu.
|
|
|
Sledování pohybu míče ve videu
Motlík, Matúš ; Špaňhel, Jakub (oponent) ; Bartl, Vojtěch (vedoucí práce)
Táto diplomová práca sa zaoberá automatickou detekciou a sledovaním futbalovej lopty v zázname športového stretnutia. Na základe predstavených techník zameraných na sledovanie malých objektov vo vysokom rozlíšení sú navrhnuté a implementované efektívne konvolučné neurónové siete, ktoré ďalej využíva upravený sledovací algoritmus SORT pre automatickú detekciu objektov v obraze. Za účelom preskúmania možností spracovania v reálnom čase pri čo najnižšej strate presnosti sledovania sú uskutočnené experimenty so spracovávaním snímok v rôznych rozlíšeniach a s rôznou frekvenciou získavania detekcií. Získané výsledky experimentov sú prezentované a využité pre návrh ďalších rozšírení, ktoré by viedli k zlepšeniu úspešnosti sledovania pri zachovaní dostatočnej rýchlosti spracovania.
|
|
|
Analýza záznamu palubní kamery automobilu
Kadeřábek, Jan ; Bartl, Vojtěch (oponent) ; Špaňhel, Jakub (vedoucí práce)
Práce se zabývá analýzou záznamu palubní kamery automobilu. Při zpracování záznamů probíhá detekce zákazových dopravních značek, následná klasifikace konkrétního typu dopravní značky a případné určení hodnoty rychlostního limitu. Ze zpracovaných informací se pokouší vytvořit výsledný soubor, který zahrnuje unikátní výskyty dopravních značek včetně jejich GPS souřadnic. Za účelem detekce a rozpoznání dopravních značek jsou vytvořeny potřebné datové sady. Jako detektor je použit kaskádový klasifikátor s příznaky LBP. Klasifikace typu a hodnot dopravních značek je prováděna pomocí klasifikační metody k-Nearest Neigbour.
|
host ::
RSS.