|
|
Detekce objektů pomocí Kinectu
Řehánek, Martin ; Hradiš, Michal (oponent) ; Španěl, Michal (vedoucí práce)
S příchodem zařízení Kinect se otevřely možnosti, jak jednoduše využít hloubku obrazu ve zpracování obrazu. Cílem této práce je popsat metodu, kterou jsem navrhnul pro rozpoznávání a detekci objektů v hloubkové mapě. Pro rozpoznávání objektů použiji metodu Bag of Words, ve které jako deskriptor hloubkové mapy použiji metodu Spin Image. Spin Image je jeden z několika přístupů k popisu hloubkové mapy, které ve své práci popíši. O vyhledání objektu v obraze se postará metoda klouzajícího okna, která je vylepšena o využití hloubkové informace pro zrychlení prohledávání.
|
|
|
Lokalizace mobilního robota v prostředí
Němec, Lukáš ; Hradiš, Michal (oponent) ; Veľas, Martin (vedoucí práce)
Tato práce se zabývá problémem lokalizace mobilního robota na základě aktuálních senzorických 2D a 3D dat a záznamů z minulosti. Především se zaměřuje na praktickou detekci smyček v trase robota. Cílem bylo zhodnotit současné metody zpracování obrazu a hloubkových dat se zaměřením na problematiku lokalizace v prostředí. Práce se zabývá využitím modelu Bag of Words pro zpracování 2D dat a metodu Viewpoint Feature Histogram v prostředí mračna bodů pro 3D data. Návrh systému byl v práci realizován a byly na něm prováděny experimenty.
|
|
|
Android aplikace využívající vyhledávání podle obsahu obrázku
Ligač, Filip ; Angelov, Michael (oponent) ; Bartoš, Peter (vedoucí práce)
Tento dokument se zabývá vývojem aplikací na mobilní platformu Android a algoritmy pro porovnávání obrázků. V práci jsou popsané různé způsoby získávání informací, reprezentace obrázků a jejich vzájemného porovnávání. V teoretické části jsou popsány všechny důležité nástroje, které jsou pro vývoj potřebné spolu s krátkým popisem, k čemu slouží. Praktická část se věnuje samotnému návrhu realizované aplikace na detekci hokejových kartiček na základě fotografie, která byla zhotovena uživatelem aplikace. V rámci této části jsou taky shrnuty výsledky testování, kde je zhodnocena úspěšnost jednotlivých algoritmů a jejich využitelnost na mobilní platformě. V závěru jsou zhodnoceny celkové výsledky a možné rozšíření aplikace.
|
|
|
Robustní detekce projekčního plátna a promítaných slidů ve videu
Hanzel, Svätopluk ; Beran, Vítězslav (oponent) ; Szőke, Igor (vedoucí práce)
Hlavným cieľom tejto bakalárskej práce je implementácia robustného detektoru projekčného plátna, ktorý zároveň umožňuje synchronizáciu detekovaného slajdu z plátna s obrázkom z prezentácie pomocou rôznych techník, vrátane neurónových sietí, extrakcie a porovnávania kľúčových bodov, detekcie textu pomocou OCR a porovnávania textov, spoločne s analýzou týchto metód a ich porovnania s alternatívnymi riešeniami.
|
|
|
Automatické třídění fotografií podle obsahu
Gajová, Veronika ; Hradiš, Michal (oponent) ; Španěl, Michal (vedoucí práce)
Hlavním cílem práce je návrh a implementace klasifikačního nástroje pro účely automatické organizace fotografií, založeného na metodě Bag of Words. Nástroj je implementován jako XnView zásuvný modul, který klasifikuje vybrané fotografie a zapisuje název nejlépe ohodnocené kategorie jako klíčové slovo do IPTC metadat obrazového souboru.
|
|
|
Příznaky z videa pro klasifikaci
Behúň, Kamil ; Herout, Adam (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce porovnává ručně-navrženy příznaky s příznaky naučenými metodami učení příznaků při klasifikací videa. Příznaky naučené pomocí Analýzy nezávislých podprostorů, Řídkými Autoenkodéry a vybělením Analýzou hlavních komponent byly otestovány v systému pro klasifikaci videa pomocí Bag of Words, ve kterém nahradily ručně-navrženy příznaky (např. SIFT, HOG, HOF). Úspěšnost klasifikace těchto naučených příznaků byla testována na datových sadách Human Motion DataBase a YouTube Action Data Set, kde ukázaly lepší výsledky než ručně-navrženy příznaky. Tato práce také ukazuje pomocí navržené metody inspirovanej metódami Multiple Kernel Learning, že při kombinaci naučených příznaků s ručně-navrženými příznaky lze dosáhnout ještě výraznější zlepšení úspěšnosti klasifikace videa a to i v případě, když ručně-navrženy příznaky a naučené příznaky samostatně nedosahují příliš velké úspěšnosti klasifikace.
|
|
|
Fotografie namísto QR kódu
Štol, Jakub ; Španěl, Michal (oponent) ; Beran, Vítězslav (vedoucí práce)
Práce je zaměřena na vytvoření systému, který na základě uživatelem pořízené fotografie vyhledá nejpodobnější fotografii v datové sadě a zobrazí uživateli podrobnější informace, které jsou s touto fotografií spojeny, jako je např. popis fotografie, místo a autor. Systém je primárně zaměřený na místa, kde by uživatel chtěl získat dodatečné informace, jako jsou muzea, galerie nebo výstaviště. Teoretická část je zaměřena na návrh systému pomocí metod zpracování obrazu a vyhledání obrazové informace pomocí datové sady fotografií. Praktická část je zaměřena na implementaci webové aplikace, která získá fotografii od uživatele a zobrazí podrobnější informace prostřednictvím webového rozhraní.
|
|
|
Robustní detekce projekčního plátna a promítaných slidů ve videu
Hanzel, Svätopluk ; Beran, Vítězslav (oponent) ; Szőke, Igor (vedoucí práce)
Hlavným cieľom tejto bakalárskej práce je implementácia robustného detektoru projekčného plátna, ktorý zároveň umožňuje synchronizáciu detekovaného slajdu z plátna s obrázkom z prezentácie pomocou rôznych techník, vrátane neurónových sietí, extrakcie a porovnávania kľúčových bodov, detekcie textu pomocou OCR a porovnávania textov, spoločne s analýzou týchto metód a ich porovnania s alternatívnymi riešeniami.
|
|
|
Vyhledávání zájmových objektů v obrazové sadě
Medvec, Juraj ; Brejcha, Jan (oponent) ; Beran, Vítězslav (vedoucí práce)
Táto práca je zameraná na vyhľadávanie objektu/scény v sade obrazov. Na úvod sú čitatelovi predstavené existujúce riešena, ktoré sa už aj používajú v praxi. Ďalšie kapitoly sú zamerané na vytvorený framework a popis práce na ňom. Na záver je predstavená demo aplikácia v ktorej bol navrhnutý framework pužitý, pomocou ktorého aplikácia vyhľadáva knihy na základe fotky ich prednej strany.
|
|
|
Koncepty strojového učení pro kategorizaci objektů v obrazu
Hubený, Marek ; Honec, Peter (oponent) ; Horák, Karel (vedoucí práce)
Tato práce se zabývá problémem rozpoznávání objektů a scén pomocí nástrojů strojového učení a počítačového vidění. Před řešením tohoto problému byly prostudovány základní fáze konceptu strojového učení a statistické modely s důrazem na jejich rozdělení na diskriminativní a generativní metody. Dále byla prostudována a popsána metoda Bag-of-words a její modifikace. V praktické části práce byla v prostředí Matlab vytvořena implementace metody Bag-of-words s SVM klasifikátorem a daný model byl prověřen na různých množinách veřejně dostupných obrazů.
|
host ::
RSS.