Národní úložiště šedé literatury Nalezeno 4 záznamů.  Hledání trvalo 0.02 vteřin. 
Integrace pomocných modulů do systému pro automatizované funkční testování
Hřebíček, Zdeněk ; Macháček, Jiří (oponent) ; Svoboda, Radomír (vedoucí práce)
Záměrem této bakalářské práce, bylo získat teoretické základy v oblasti automatizace testování embedded zařízení, zejména při použití testovacích modulů, pochopit strukturu protokolu Modbus a Enviracom, architekturu systému pro podporu automatizovaného testování ATAB a tyto znalosti následně využít k naprogramování ovladačů pro testovací moduly NTC Simulator a EnviraCOM Serial Adapter v jazyce C#.
Klasifikace obrazů s pomocí hlubokého učení
Hřebíček, Zdeněk ; Přinosil, Jiří (oponent) ; Mašek, Jan (vedoucí práce)
Práce se zabývá detekcí objektů v obraze a jejich klasifikací do tříd. Klasifikace je zajištěna modely prostředí pro hlubokého učení BVLC/Caffe; Detekci objektů zajišťují algoritmy AlpacaDB/selectivesearch a belltailjp/selective_search_py. Jedním z výsledků této práce je úprava a využití modelu hluboké konvoluční neuronové sítě AlexNet v prostředí BVLC/Caffe. Model byl natrénován s přesností 51,75% pro klasifikaci do 1 000 tříd, následně byl upraven a natrénován pro klasifikaci do 20 tříd s přesnotí 75.50%. Přínosem práce je implementace grafického rozhraní pro detekci a klasifikaci objektů do tříd, jež je implementováno jako aplikace na bázi webového serveru v jazyce Python. Aplikace integruje výše zmíněné algoritmy detekce objektů s klasifikací pomocí BVLC/Caffe. Výslednou aplikaci lze použít jak pro detekci (a klasifikaci) objektů, tak pro rychlé ověření klasifikačních modelů prostředí BVLC/Caffe. Tato aplikace byla pro možnost rozšíření a dlašího využití zveřejněna na serveru GitHub pod licencí Apache 2.0.
Integrace pomocných modulů do systému pro automatizované funkční testování
Hřebíček, Zdeněk ; Macháček, Jiří (oponent) ; Svoboda, Radomír (vedoucí práce)
Záměrem této bakalářské práce, bylo získat teoretické základy v oblasti automatizace testování embedded zařízení, zejména při použití testovacích modulů, pochopit strukturu protokolu Modbus a Enviracom, architekturu systému pro podporu automatizovaného testování ATAB a tyto znalosti následně využít k naprogramování ovladačů pro testovací moduly NTC Simulator a EnviraCOM Serial Adapter v jazyce C#.
Klasifikace obrazů s pomocí hlubokého učení
Hřebíček, Zdeněk ; Přinosil, Jiří (oponent) ; Mašek, Jan (vedoucí práce)
Práce se zabývá detekcí objektů v obraze a jejich klasifikací do tříd. Klasifikace je zajištěna modely prostředí pro hlubokého učení BVLC/Caffe; Detekci objektů zajišťují algoritmy AlpacaDB/selectivesearch a belltailjp/selective_search_py. Jedním z výsledků této práce je úprava a využití modelu hluboké konvoluční neuronové sítě AlexNet v prostředí BVLC/Caffe. Model byl natrénován s přesností 51,75% pro klasifikaci do 1 000 tříd, následně byl upraven a natrénován pro klasifikaci do 20 tříd s přesnotí 75.50%. Přínosem práce je implementace grafického rozhraní pro detekci a klasifikaci objektů do tříd, jež je implementováno jako aplikace na bázi webového serveru v jazyce Python. Aplikace integruje výše zmíněné algoritmy detekce objektů s klasifikací pomocí BVLC/Caffe. Výslednou aplikaci lze použít jak pro detekci (a klasifikaci) objektů, tak pro rychlé ověření klasifikačních modelů prostředí BVLC/Caffe. Tato aplikace byla pro možnost rozšíření a dlašího využití zveřejněna na serveru GitHub pod licencí Apache 2.0.

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.