|
|
Ověření pravosti podpisu s využitím algoritmů založených na neuronových sítích
Čírtek, Petr ; Kiac, Martin (oponent) ; Myška, Vojtěch (vedoucí práce)
Podpis je jednou z nejpoužívanějších biometrik v bankovnictví a při uzavírání smluv, proto je zpětné ověření pravosti podpisu důležité. Toto ověření se dá provést za pomoci forenzního specialisty, nebo, díky nástupu pokročilých technologií, za pomoci výpočetní techniky. Účelem této práce je vytvořit metody ověření pravosti podpisu využitím neuronových sítí pro český typ podpisu a zjistit, zdali přidání manuálně získaných příznaků ke konvoluční analýze vylepší tyto metody. Neuronové sítě se snaží replikovat fungování lidského mozku, sestávají ze vstupních neuronů, několika skrytých vrstev a výstupních neuronů. Neuronové sítě jsou jedny z nejoblíbenějších technologií umělé inteligence pro analýzu a klasifikaci obrázků. Navržené metody v této práci fungují na principech konvolučních sítí. První metoda se skládá ze tří konvolučních vrstev, které z obrázku podpisu získávají důležité vlastnosti, které předají plně propojené vrstvě s klasifikátorem. Ten určí, zdali jde o podpis pravý, či falešný. Zároveň byly pro tuto metodu vytvořeny dvě funkce, které dokáží interpretovat její rozhodování. Druhá metoda, siamské konvoluční neuronové sítě, na rozdíl od první nepracuje s podpisy samostatně, ale využívá pro určení pravosti referenční obrázek podpisu. Základem této metody je vytažení příznaků pomocí konvoluční analýzy jak z referenčního podpisu, tak z podpisu, který je určen na ověření. Tyto příznaky se následně spojí a předají klasifikátoru. Pro natrénování modelů, které by ověřovaly český typ podpisů, byla vytvořena česká datová množina. Z experimentů bylo zjištěno, že přidání příznaků má potenciál vylepšit přesnost predikcí metod založených na konvoluční analýze obrazu. Byly natrénovány 3 modely, které s přesností vyšší než 80 \% dokáží ověřovat český typ podpisů, a to: model metody konvoluční neuronové sítě s příznakem diskrétní vlnkové transformace, který byl trénovaný na české datové množině, model stejné metody trénovaný na množině CEDAR s příznakem počtu tahů a model metody siamské konvoluční neuronové sítě trénovaný na české množině podpisů s příznakem tri-surface.
|
|
|
Klasifikace onemocnění COVID-19 na základě analýzy rentgenových snímků plic
Šteflík, Dominik ; Kiac, Martin (oponent) ; Myška, Vojtěch (vedoucí práce)
Táto diplomová práca sa zaoberá vývojom a hodnotením algoritmov umelej inteligencie na klasifikáciu ochorenia COVID-19 z röntgenových snímok hrudníka. Vzhľadom na závažnosť a vplyv pandémie COVID-19 na svetovú populáciu sa schopnosť rýchlej a presnej diagnostiky ochorení z röntgenových snímok stala kritickou. Táto štúdia zhŕňa súčasné pokroky v oblasti spracovania obrazu a hĺbkového učenia s cieľom vyhodnotiť použitie viacerých moderných klasifikačných metód v praxi. Pomocou datasetu získaného z českého lekárskeho prostredia sa tieto metódy analyzujú a overujú za účelom preskúmania ich efektivity a presnosti v reálnych situáciách. Metódy vybrané pre túto štúdiu, COVID-Net, DarkCovidNet a CoroNet, boli zvolené vzhľadom na ich dostupnosť, rozšírené používanie a preukázanú účinnosť v tejto oblasti. Jadrom práce je návrh konvolučnej neurónovej siete prispôsobenej na extrakciu a učenie sa z nepatrných znakov prítomných na röntgenových snímkach svedčiacich o prítomnosti vírusu COVID-19. Táto snaha čelila značným výzvam, vyplývajúcim z rôznorodých akvizičných parametrov röntgenových snímok, ktoré môžu podstatne ovplyvniť diagnostickú presnosť. Jednotnosť týchto parametrov je rozhodujúca pre spoľahlivú analýzu, čo zdôrazňuje význam dôkladných techník predbežného spracovania. V dôsledku toho sa zaviedli pokročilé postupy normalizácie, úpravy kontrastu a rozšírenia s cieľom štandardizovať vstupné údaje. Samotná konvolučná sieť využíva sériu konvolučných, združovacích a plne prepojených vrstiev, ktoré sú optimalizované na zvládnutie odlišností prítomných v lekárskych obrazových dátach. Architektúra siete obsahuje mechanizmus pozornosti implementovaný prostredníctvom bloku stlačenia a excitácie na dynamické nastavenie významnosti rôznych kanálov vo vstupnom obraze. Integráciou týchto prvkov je model siete vycvičený tak, aby sa zameral na podstatné rysy v rámci röntgenových snímok, čo mu umožňuje efektívne rozoznávať nepatrné indikátory ochorenia COVID-19. Okrem iného sa v tejto práci pojednáva o~potenciáli integrácie takýchto diagnostických nástrojov riadených umelou inteligenciou do existujúcich infraštruktúr zdravotnej starostlivosti s cieľom zlepšiť včasnú detekciu a liečbu ochorenia COVID-19. Zistenia naznačujú, že využitie umelej inteligencie v lekárskom zobrazovaní môže výrazne pomôcť pri riešení a kontrole epidémií ochorení, čo v konečnom dôsledku prispieva k lepším zdravotníckym výsledkom.
|
|
|
Segmentace obrazových dat využitím hlubokých neuronových sítí
Hrdý, Martin ; Myška, Vojtěch (oponent) ; Kiac, Martin (vedoucí práce)
Cílem této diplomové práce je seznámit se a nastudovat teorii současných segmentačních metod, které používají hluboké učení. Na základě teoretických znalostí bude navržena a vytvořena segmentační neuronová síť, která bude schopna segmentovat jednotlivé instance objektů. Segmentační neuronová síť bude zaměřena na detekci elektronických součástek na deskách plošných spojů.
|
|
|
Bezdrátové ovládání robota pomocí mobilní platformy
Matuška, Jakub ; Kiac, Martin (oponent) ; Přinosil, Jiří (vedoucí práce)
Tato bakalářská práce se zabývá návrhem a implementací aplikace pro všesměrové ovládání pohybu robota pomocí mobilního zařízení s operačním systémem Android. Aplikace umožňuje i zobrazení obrazového signálu z webkamery robota. V rámci realizace byla vytvořena Android aplikace sloužící jako uživatelské rozhraní. Robota lze ovládat pomocí dvou virtuálních joystiků. Realizován byl i modul řízení na straně robota. Jako řídící jednotka byl použit mikropočítač Raspberry Pi. Služba streamování videa byla realizována pomocí multimediálního frameworku GStreamer v podobě RTP streamu. Byl realizován modul zabezpečení. V práci je předložen potřebný teoretický základ a následně je popsána samotná realizace aplikace.
|
|
|
IoT systém pro zahrádkáře
Mlčák, Petr ; Kiac, Martin (oponent) ; Caha, Tomáš (vedoucí práce)
Práce se zabývá návrhem a vytvořením meteostanice vhodné pro zahrádkáře. Vytvořené zařízení je schopno měřit teplotu, tlak, vlhkost vzduchu, množství srážek, rychlost a směr větru, UV index a rovněž teplotu a vlhkost půdy v několika hloubkách. Meteostanice je napájena z akumulátoru s pomocným dobíjením z fotovoltaického panelu. Práce je rozdělena do několika částí. V teoretické části jsou popsány jednotlivé fyzikální principy měření uvažovaných veličin. Následně je provedeno srovnání dostupných senzorů a poté proveden jejich finální výběr. Třetí část se zabývá návrhem a realizací hardwarového zapojení včetně vytvoření DPS. V této kapitole jsou rovněž navrženy držáky jednotlivých senzorů pro vytištění na 3D tiskárně, které jsou následně vytištěny. Čtvrtá část se zabývá problematikou vývoje software, který je blíže popsán. Nakonec je celá meteostanice sestavena, zapojena a je ověřena funkčnost všech komponent pomocí zasílání naměřených dat na Thingspeak.
|
|
|
Systém pro rozpoznání hlasových povelů v reálném čase
Šíbl, Evžen ; Kiac, Martin (oponent) ; Přinosil, Jiří (vedoucí práce)
Bakalářská práce se zabývá tvorbou systému pro rozpoznání hlasových povelů. Klasifikátor tohoto systému byl vytvořený pomocí neuronové sítě. V práci se obeznámíte s historií a problematiku rozpoznání řeči. Byl vytvořený systém, který detekuje v nahrávce úsek obsahující řečový signál, který následně pomocí klasifikátoru rozhodne o jaké slovo z tabulky slov se jedná. Byly vytvořeny 3 modely se stejnou architekturou avšak s různými trénovacími daty. Tyto modely byly následně porovnány mezi sebou. Pro výsledný systém bylo vytvořené jednoduché uživatelské rozhraní.
|
|
|
Inteligentní systém chovu včel
Hrubý, Jan ; Zeman, Václav (oponent) ; Kiac, Martin (vedoucí práce)
Cílem této práce je navrhnout a vytvořit inteligentní systém chovu včel, který dokáže měřit frekvenci ve včelstvu, hmotnost úlu pro sledování úbytku nebo pro informování včelaře, jestli včely nosí med. Dále je také řešeno zabezpečení úlu proti krádeži. Pro funkčnost více inteligentních systémů pro chov včel je důležitá komunikace mezi nimi. Proto je část práce zaměřená na volbu nejlepší možnou komunikaci, kdy se v potaz bere náročnost na baterii a její spolehlivost. V práci je využíván systém komunikace modulů typu mnoho k jednomu, tedy lze volně rozšiřovat množství úlů aniž by to ovlivnilo funkčnost systému. Výsledný systém je napájen pomocí baterie a solárních panelů.
|
|
|
Mobilní aplikace pro inteligentní systém chovu včel
Pecár, Martin ; Myška, Vojtěch (oponent) ; Kiac, Martin (vedoucí práce)
Cílem práce je navrhnout a vytvořit aplikaci, která umožňuje včelařům správu včelstva pomocí mobilního telefonu. Důvodem je centralizace a zpřehlednění všech nasbíraných dat z kontrol včelstva, přičemž tato data bude později možné použít při tvorbě statistik. Dále tato aplikace obsahuje možnosti, jak včelaře upozornit na potřebu zásahu do včelstva pomocí jím vytvořených upozornění a statistiky o vybraných sledovaných vlastnostech včelstva. Výstupem bude popsaná mobilní aplikace.
|
|
|
Inteligentní líheň drůbeže
Kejík, Jan ; Číka, Petr (oponent) ; Kiac, Martin (vedoucí práce)
Cílem této práce bylo navrhnout a zkonstruovat inteligentní líheň drůbeže. První část se zabývá popisem procesů líhnutí drůbeže. Dále jsou zde porovnány nejprodávanější líhně od různých výrobců a je zde popsán navrhovaný systém řízení líhně. V dalších částech práce je popsána praktická konstrukce líhně, tak jak byla realizována. Mechanická část líhně využívá v hojné míře komponenty vytištěné na 3D tiskárně, elektronická výbava využívá komponenty platformy Arduino. Významnou částí je popis vestavěného softwaru napsaného v objektovém programovacím jazyce C++. Výsledná líheň je vybavena komfortním uživatelským rozhraním s možností ovládání mobilní aplikací. Protože praktické použití líhně vyžaduje nepřetržitý několika-týdenní spolehlivý provoz, byla líheň po dobu několika měsíců testována. Během této doby byly získány praktické zkušenosti, které pomohly vyřešit některé problematické komponenty a odladit výsledný software.
|
|
|
Detekce pohybujících se objektů ve videu s využitím neuronových sítí pomocí Android aplikace
Mikulec, Vojtěch ; Kiac, Martin (oponent) ; Myška, Vojtěch (vedoucí práce)
Tato diplomová práce se zabývá zrealizováním funkčního řešení problematiky klasifikace účastníků dopravního provozu pomocí mobilních zařízení s operačním systémem Android. Cílem je vytvořit Android aplikaci, která klasifikuje vozidla v reálném čase za použití zadní kamery a ukládá časové značky klasifikace. Testování probíhá převážně na vlastní, různě modifikované datové množině. Je natrénováno celkem pět modelů a změřeno zatížení hardwaru při použití každého z nich. Nejlepší přesnosti klasifikace dosahuje předtrénovaný model sítě MobileNet, který je dotrénován o 6 tříd – 62,33 %. Výsledky jsou shrnuty a v závěru je formulováno, jakým způsobem je možné rychleji a přesněji analyzovat dopravní data.
|
host ::
RSS.