|
|
Detection of persons and evaluation of gender and age in image data
Dobiš, Lukáš ; Vičar, Tomáš (oponent) ; Kolář, Radim (vedoucí práce)
This master thesis describes an approach for automated human recognition by using convolutional neural networks (CNN) to perform facial analysis of persons face in image data. The predicted biometric indicators are following: age, gender, facial landmarks and facial expression. CNN architectures with pretrained weights for each task are described. Age estimation CNN has new weights trained and freezed, then has added new LSTM layers into its architecture. New LSTM layers are trained and tested on newly created video data set. Test results indicate improved age prediction accuracy. Solution for human recognition inference with single image and time series variants, in form of script with interconnected CNNs is explained, and its inference speed performance supports further proposed expansion plans for live video inference.
|
|
|
Hodnocení vlivu mrkání na výsledek fúze simultánních EEG-fMRI dat
Dobiš, Lukáš ; Jakubíček, Roman (oponent) ; Labounek, René (vedoucí práce)
Práce se zabývá základní teorií k simultánní fúzi EEG-fMRI dat. Principy akvizice jednotlivých dat a jejich artefakty s rozsáhlým zaměřením na jejich předzpracování. Konkrétně na potlačení artefaktu mrkání z EEG dat a metodou analýzy nezávislých komponent. Dále se zabývá technikou fúze dat v obecném lineárním modelu a vytvořením aktivačních map statisticky významných korelací. Práce obsahuje popis metodiky potřebné na analýzu výsledků. Jsou popsány parametry použitých dat. Je navržen a aplikován proces předzpracování EEG dat, včetně potlačení artefaktu a fúze s vyhodnocením v prostředí MATLAB. Výsledky vyhodnocení prokázaly větší vliv mrkacího artefaktu na výsledky počítané z relativního výkonu a neúplnost kompletního potlačení artefaktu z dat pro testovanou metodu.
|
|
|
Model Compression of Denoising Diffusion Probabilistic Models for Image Generation
Dobiš, Lukáš ; Kišš, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
This thesis is dedicated to optimizating computation in generative diffusion models by evaluating conventional model compression aproaches on Denoising Diffusion Probabilistic Model (DDPM). Model compression was done on parameters of pretrained baseline DDPM neural network by several quantization and pruning methods. These methods were evaluated on three image dataset benchmarks. Results show that quantization and pruning are viable compression methods for downsizing diffusion networks, because they showed little decrease in quality of generated imagery. These results confirm that implemented compression approaches are vital for deployment of diffusion models on resource constrained Edge devices or to offset their compute costs.
|
|
|
Automated Human Recognition From Image Data
Dobiš, Lukáš
This paper describes an approach for automated human recognition by using convolutional neural networks (CNN) to perform facial analysis of persons face from image data. The predicted biometric indicators are following: age, gender, facial landmarks and facial expression. Network architectures with pretrained weights for each task are described. Script of interconnected CNN is explained and its results support further proposed expansion plans for live video inference.
|
|
|
Detection of persons and evaluation of gender and age in image data
Dobiš, Lukáš ; Vičar, Tomáš (oponent) ; Kolář, Radim (vedoucí práce)
This master thesis describes an approach for automated human recognition by using convolutional neural networks (CNN) to perform facial analysis of persons face in image data. The predicted biometric indicators are following: age, gender, facial landmarks and facial expression. CNN architectures with pretrained weights for each task are described. Age estimation CNN has new weights trained and freezed, then has added new LSTM layers into its architecture. New LSTM layers are trained and tested on newly created video data set. Test results indicate improved age prediction accuracy. Solution for human recognition inference with single image and time series variants, in form of script with interconnected CNNs is explained, and its inference speed performance supports further proposed expansion plans for live video inference.
|
|
|
Evaluation Of Eye-Blinking Artifact Effect On
Results Of Simultaneous Eeg-Fmri Data Fusion
Dobiš, Lukáš
Purpose of this work is to test performance of eye blink artifact supression in EEG data by method of independent component analysis (ICA), and to describe characteristics of manifestation of mentioned artifact on results of simultaneuos EEG-fMRI data fusion. Results of evaluation have proved ICA usefulness as a tool for eye blink artifact suppression using higher order statistics for stochastic signal preprocessing. And EEG-fMRI results demonstrate that they differ, whether the supression is or is not used.
|
|
|
Hodnocení vlivu mrkání na výsledek fúze simultánních EEG-fMRI dat
Dobiš, Lukáš ; Jakubíček, Roman (oponent) ; Labounek, René (vedoucí práce)
Práce se zabývá základní teorií k simultánní fúzi EEG-fMRI dat. Principy akvizice jednotlivých dat a jejich artefakty s rozsáhlým zaměřením na jejich předzpracování. Konkrétně na potlačení artefaktu mrkání z EEG dat a metodou analýzy nezávislých komponent. Dále se zabývá technikou fúze dat v obecném lineárním modelu a vytvořením aktivačních map statisticky významných korelací. Práce obsahuje popis metodiky potřebné na analýzu výsledků. Jsou popsány parametry použitých dat. Je navržen a aplikován proces předzpracování EEG dat, včetně potlačení artefaktu a fúze s vyhodnocením v prostředí MATLAB. Výsledky vyhodnocení prokázaly větší vliv mrkacího artefaktu na výsledky počítané z relativního výkonu a neúplnost kompletního potlačení artefaktu z dat pro testovanou metodu.
|
host ::
RSS.