|
|
A Reduced Neural Network for Classifying the Presence of People in an Image
Stanček, Rastislav ; Rydlo, Štěpán (oponent) ; Goldmann, Tomáš (vedoucí práce)
This thesis focuses on the topic of computer vision, more specifically, on classifying people's presence in image data. The goal is to create a reduced neural network utilizing knowledge distillation. Object classification and detection is a computationally an expensive operation. A student model created utilizing knowledge distillation shows equivalent accuracy while being smaller and having better inferencing speed compared to the teacher model. Such model can be interdisciplinarily utilized on end devices having relatively low computational capabilities.
|
|
|
Prediction of the effect of mutations on protein stability
Rosinská, Monika ; Martínek, Tomáš (oponent) ; Musil, Miloš (vedoucí práce)
The aim of this thesis is to develop a classification model for protein mutations, distinguishing between stabilizing and destabilizing variants. The model was implemented using a convolutional neural network architecture, utilising the ResNet50V2 pre-trained neural network and a dataset sourced from FireProtDB. With an accuracy of 0.7, the model effectively predicts the impact of mutations on protein stability. Furthemore, it can provide a confidence measure for its predictions.
|
|
|
Moderní přístup k měření citlivosti mikrobiálních kultur na antibiotika s využitím strojového učení
Lepík, Jakub ; Burget, Radim (oponent) ; Čičatka, Michal (vedoucí práce)
Bakalářská práce se zaměřuje na problematiku měření citlivosti mikrobiálních kultur na antibiotika (AST), konkrétně na vylepšení a automatizaci vyhodnocení diskové difúzní metody pomocí strojového učení a architektur pro detekci objektů v obraze. Díky využití vývojové platformy TensorFlow a rozsáhlé datové sady, na níž byly vytrénovány vlastní detekční modely, jako je EfficientDet, je umožněno zpracování široké škály vstupních dat. To přináší možnost využití mobilních zařízení vedle tradičních laboratorních přístrojů při vyhodnocování této metody. Pomocí dalších technik zpracování obrazu a knihovny OpenCV byl vyvinut vlastní algoritmus na měření velikosti inhibičních zón, který je společně s detekčními modely integrován v rámci modulu do webové aplikace společnosti Bruker Daltonics GmbH & Co. Tento modul, vyvíjený pomocí platformy ASP.NET, je přehledným a užitečným nástrojem pro asistenci pracovníkům v mikrobiologických laboratořích.
|
|
|
An Application for Analyzing the Resilience of Facial Recognition Algorithms against a Deepfake Image
Kučík, Adam ; Pleško, Filip (oponent) ; Goldmann, Tomáš (vedoucí práce)
This thesis focuses on creating an application capable of determing whether a given image is deepfake or not. The application is created by using the convolutional neural network vgg-net. Part of the work is to create a Siamese neural network and test if it is suitable for detecting deepfake images. Several configurations of vgg16 and vgg19 networks are created within the thesis. Each configuration contain tables with the success rates of individual models agains our created deepfake dataset. The thesis also includes a section where we discuss deepfake algorithms that are open-source and describe the work with them. The entire application is implemented in Python using the TensorFlow library.
|
|
|
Detekce karet při turnajích v pokru
Kovalets, Vladyslav ; Šilling, Petr (oponent) ; Vaško, Marek (vedoucí práce)
Tato bakalářská práce se zaměřuje na vývoj pokročilého systému pro automatické rozpoznávání a evidenci herních karet z videozáznamů pokerových her. Jako základní nástroj byla zvolena technologie konvolučních neuronových sítí, konkrétně síť YOLO, který umožňuje efektivní identifikaci karet na stole i v rukou hráčů i za náročných podmínek. Práce zahrnovala vytvoření rozsáhlé datové sady pro trénování a testování detektoru karet, který dosáhl přesnosti rozpoznávání 98,7 %. Pro spolehlivou evidenci karet byl navržen algoritmus, který minimalizuje chyby detektoru a zlepšuje celkovou přesnost systému. Výsledky práce naznačují, že navržený systém má potenciál pro využití i v praxi.
|
|
|
Potential of neural networks using capsules for medical image processing
Šipula, Samuel ; Vičar, Tomáš (oponent) ; Chmelík, Jiří (vedoucí práce)
The following master thesis introduces the reader to a relatively new deep learning approach, the capsule neural network. The thesis describes the working principle of capsule networks and compares them with established convolutional networks. Further, the reader is introduced to the use of this technique in medical image processing. The practical part of the paper describes the procedure of learning a capsule network and a reference convolutional network on two datasets. The aim of the thesis is to compare the effect of dataset size on the resulting efficiency of the two types of networks.
|
|
|
Doplnění chybějící části obrazu pomocí hlubokého učení
Zobaník, Radek ; Kubík, Tibor (oponent) ; Šilling, Petr (vedoucí práce)
V této práci vznikla aplikace pro testování a porovnávání metod pro doplnění chybějící části obrazu za využití hlubokého učení a byly natrénovány dvě metody, pconv s konvoluční architekturou, respektive AOT-GAN s GAN architekturou. Práce popisuje návrh výsledné aplikace, její funkcionalitu a důležité body implementace. Byla zvolena datová sada, na které byly vybrané modely optimálně natrénovány. Proběhly experimenty na AOT-GAN modelu, kdy se zkoumal vliv počtu AOT bloků v generátoru na výsledný doplněný obraz. Všechny experimenty byly kvalitativně a kvantitativně porovnány. Výsledky ukázaly úctyhodné výsledky při práci s přírodní scenérií.
|
|
|
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.
|
|
|
Segmentation of hyperspectral images of lizards
Kotrys, Kryštof ; Parák, Roman (oponent) ; Škrabánek, Pavel (vedoucí práce)
This master's thesis focuses on creating a data processing system for segmentation of hyperspectral images of lizards living in the Czech Republic. The first part of the thesis contains a survey of existing image segmentation methods, information about hyperspectral imagery and convolutional neural network theory. The second part proposes a data processing pipeline that creates image segmentation masks for the assigned dataset, as well as presents achieved results.
|
|
|
Detekce objektů na mikrokontroleru i.MX RT
Kravchuk, Marina ; Rozman, Jaroslav (oponent) ; Janoušek, Vladimír (vedoucí práce)
Tato práce se zaměřuje na využití strojového učení, zejména konvolučních neuronových sítí, v průmyslových aplikacích. Průběh práce zahrnuje zkoumání implementace těchto sítí přímo na vestavěných zařízeních, konkrétně na mikrokontrolérech NXP i.MX RT. Během studia byly prozkoumány materiály týkající se trénování a použití neuronových sítí a jejich optimalizace pro nasazení na zařízeních s nízkým výkonem. Bylo natrénováno a otestováno několik modelů neuronových sítí, z nichž nejlepší byl použit v konečné verzi aplikace. Samotná aplikace je rozdělena do dvou částí: jedna část je napsána v jazyce C/C++ v prostředí MCUXpresso IDE, kde je implementována hlavní funkcionalita programu, zatímco druhá část práce, tj. vytvoření grafického uživatelského rozhraní pro ovládání programu, je provedena v jazyce Python. Výsledkem je funkční aplikace pro mikrokontrolér MIMXRT1170-EVK, která je schopna detekovat a rozpoznávat malé barevné objekty určitých tvarů z předem definované sady dat.
|
host ::
RSS.