|
|
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.
|
|
|
Implementing gesture recognition on ARM as an alternative to traditional device control
Gajdošík, Richard ; Zbořil, František (oponent) ; Kočí, Radek (vedoucí práce)
This bachelor's thesis focuses on the development and implementation of a gesture recognition system on ARM architecture, utilizing the i.MX 93 board and TensorFlow Lite. The project is grounded in the application of neural networks for the recognition of hand gestures, offering an alternative to traditional device control methods. An integral part of the work involves a comprehensive analysis of existing gesture recognition solutions, identifying their strengths and potential improvements. The thesis elaborates on the design, development, and optimization of a real-time gesture recognition model specifically for ARM chips, emphasizing efficiency and performance. Additionally, the thesis covers the creation of a demonstrative application that visually represents recognized gestures. User testing is conducted to evaluate the practicality and user experience of the gesture recognition system, providing valuable feedback for future enhancements.
|
|
|
Using dense X-ray reconstructions for developing virtual sawing method
Kunda, Matej ; Nosko, Svetozár (oponent) ; Zemčík, Pavel (vedoucí práce)
The usage of machine learning and computer optimisation is growing and reaches many fields, and the sawmilling industry is no exception. With optimisation algorithms and virtual sawing, sawmills can produce boards and other wooden products of much higher quality. The main factor that degrades the quality of boards is knots. Knots are the leftovers of branches present in every piece of log and sawn boards. However, their position can be altered with sawing optimisation methods, and the board grade and price maximised. This Master's thesis aimed to develop one of the sawing optimisation methods -- sawing angle optimisation. Before sawing, the log can be rotated, and the location of knots on boards can be controlled. The optimisation method works by converting X-ray data to a function that represents knot locations along the polar angles in the wood and another function that contains Gaussian curves at the corner points of boards in the sawing pattern. Finally, a cross-correlation is computed and minimised between these two functions, resulting in knots avoiding the corner areas. The proposed method works on a simple principle, is computationally effective and can be deployed in real-time applications. The developed method was evaluated by applying virtual sawing using the angles obtained on a challenging dataset containing annotated X-ray data of logs, which was compared with ground truth data and an average result. The thesis resulted in an impressive decrease in arris knots count in an already highly optimised sawing environment.
|
|
|
The use of deep neural networks for the evaluation of metallographic cross-sections
Semančík, Adam ; Mendřický, Radomír (oponent) ; Hurník, Jakub (vedoucí práce)
This thesis explores the application of deep neural networks to improve the evaluation of metallographic cross-sections in materials produced through powder bed fusion. It focuses on two advanced image processing techniques: semantic segmentation and image super-resolution. A U-Net architecture was used for semantic segmentation to classify defects such as lack of fusion porosity and gas porosity. Additionally, an SRGAN (Super-Resolution Generative Adversarial Network) model was utilized to upscale image resolution, potentially enhancing segmentation accuracy. The research assesses whether a model trained on AlSi10Mg can generalize to Cu99 and Ti6Al4V and evaluates the influence of super-resolution on segmentation performance. Results showed that while the segmentation model performed well on AlSi10Mg, generalization to other materials required more diverse training data. Due to computational limitations, the combined effect of super-resolution and segmentation remains inconclusive, suggesting further research with enhanced computational resources.
|
|
|
Animal Identification Based on Biometric Information
Jančeková, Lucia ; Sakin, Martin (oponent) ; Dyk, Tomáš (vedoucí práce)
This thesis deals with wild animal identification, specifically wild boar, through photographs of their snouts. It focuses on the identification of individual animal, by utilizing the ridges found on the upper part of the snout. Within this work, a solution is designed and implemented, for the extraction of this biometric information and its comparison with other templates already stored in the system. The solution is tested on photographs from the same wild boar, as well as 49 other individuals.
|
|
|
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.
|
|
|
Tracking People in Video Captured from a Drone
Lukáč, Jakub ; Orság, Filip (oponent) ; Goldmann, Tomáš (vedoucí práce)
This thesis deals with the problem of determining the location of a person through their distance from camera approximation. The location is derived from video which is captured using a drone. The goal here is to propose and test existing solutions, and state-of-the-art algorithms for each encountered subproblem of the tracking. This means overcoming challenges such as object detection, re-identification of persons in time, estimating object distance from the camera and processing data from various sensors. Then, I am using these methods to design the final solution which can operate in nearly real-time. Implementation is based on the use of Intel NCS accelerator unit with the cooperation of small computer Raspberry Pi. Therefore, the setup may be easily mounted directly to a drone. The resulting application can generate tracking metadata for detected individuals in the recording. Afterwards, the positions are visualised as paths for better end-user presentation.
|
|
|
Zobrazení virtuální grafiky a animací pro sportovní analýzu
Očenáš, Daniel Miloslav ; Zemčík, Pavel (oponent) ; Beran, Vítězslav (vedoucí práce)
Cieľom bakalárskej práce je vytvoriť súbor nástrojov použitých pri analýze videozáznamov športových podujatí, predovšetkým futbalových zápasov. Užívateľ môže nástroje použiť na zvýraznenie vybraných hráčov, ktorí sú ďalej trackovaní a zvýrazňovaní. Ďalej manuálne vytvárať smerovníky, znázorňujúce smer pohybu hráča alebo lopty. Trojrozmerné objekty sú vytvárané perspektívnym skreslením korešpondujúcim so scénou, ktorá je zachytená kamerou. Teoretická časť bakalárskej práce uvádza prehľad odbornej literatúry potrebnej na správne zobrazenie grafických objektov do videa v duchu rozšírenej reality. Praktická časť práce je zameraná na implementáciu a vizualizáciu grafických nástrojov s použitím knižnice OpenGL.
|
|
|
Strojové vidění pro lokalizaci objektů
Hasík, Dávid ; Huzlík, Rostislav (oponent) ; Vetiška, Jan (vedoucí práce)
Bakalárska práca sa zaoberá tvorbou systému strojového videnia pre lokalizáciu objektov a možnosťami aplikácie tohto typu úlohy strojového videnia. V práci je popísaný dizajn daného systému, a tiež všetky jeho komponenty, ich vlastnosti, a výhody a nevýhody ich použitia. Takisto je zostavená vlastná scéna pre snímanie ukážkového predmetu. Pre vyhodnocovanie obrazu je použitý bežný počítač s programom Vision assistant a jeho nástroje. V tomto programe sú vytvorené a následne porovnané výkonnosti dvoch postupov vyhodnocovania obrazu.
|
|
|
Aplikace mravenčích algoritmů
Kaščák, Imrich ; Vašíček, Zdeněk (oponent) ; Bidlo, Michal (vedoucí práce)
Práca sa zaoberá základným optimalizačným algoritmom Ant Colony Optimization (ACO) - Ant System (AS) a jeho rozšírením Ant Colony System (ACS) na probléme obchodného cestujúceho (TSP). Podstatou týchto algoritmov je nájdenie optimálneho riešenia (najkratšej cesty) v zadanej inštancii obsahujúcej niekoľko miest. Demonštruje overenie fungovania oboch algoritmov, experimentálne skúmanie vplyvu nastaviteľných parametrov mravčích algoritmov na výsledok. Ďalej je práca zameraná na skúmanie myšlienky optimalizácie detekcie hrán v obrazoch zavedením modifikácie do predstaveného existujúceho riešenia. Experimenty modifikovaného riešenia sú vykonané a porovnané s pôvodným.
|
host ::
RSS.