|
|
Aplikace pro rozpoznání osob podle obličeje
Svoboda, Jakub ; Orság, Filip (oponent) ; Goldmann, Tomáš (vedoucí práce)
Identifikace osob se v posledních letech stává jedním z klíčových způsobů extrakce informací z obrazových dat. Tato práce je zaměřena na identifikaci osob podle snímků obličeje za využití neuronových sítí. Většina konvenčních algoritmů vykazuje vysokou míru nepřesností, zatímco využitím neuronových sítí lze dosáhnout výrazně robustnějších výsledků. V této práci jsme na základě znalostí získaných studiem problematiky vytvořili architekturu neuronové sítě, která je schopná provádět úlohu identifikace a verifikace osob podle obličeje. Tuto architekturu a proces trénování jsme následně vylepšili na základě mnoha experimentů. Výsledný model dosáhl přesnosti srovnatelné se současnými state-of-the-art modely. Dále jsme vytvořili demonstrační aplikaci pro vizualizaci výsledků a správu databáze osob. Znalosti získané z této práce mohou být použity pro vylepšení současných algoritmů pro identifikaci osob nebo ke zpřesnění modelů řešících podobné úlohy.
|
|
|
Rozpoznávání obličeje ve videu a jeho využití v policejní práci
Fabián, Jan ; Šťastná, Dagmar (oponent) ; Šedrlová, Magdalena (vedoucí práce)
Cílem této bakalářské práce je popsat technologii rozpoznávání obličejů a její využití v praxi. Zejména v posledních letech se technologie rozpoznávání obličejů stala velmi diskutovaným tématem, ať už ve spojitosti s rozšířením této technologie v Číně nebo díky potenciálu této technologie pro bezpečnostní složky. Na jednu stranu technologie rozpoznávání obličejů přináší spoustu nových možností v oblasti prevence kriminality, ale na druhou stranu s sebou také nese riziko narušení soukromí jednotlivých osob. Tato práce se zabývá historií této technologie, metodami, jenž tato technologie používá a také popisuje příklady využití technologie rozpoznávání obličejů v praxi, spolu s riziky spojenými s uvedením této technologie do praxe.
|
|
|
Adaptace neuronových sítí pro identifikaci osob
Stratil, Jan ; Špaňhel, Jakub (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce se zabývá rozpoznáváním tváří pomocí konvolučních neuronových sítí a jejich problémy v dnešní době, jako jsou variabilita póz, osvětlení a výrazů. Shrnuje dosavadní přístupy, architektury a nejnovější chybové funkce. Dále se věnuje metodám pro rotaci obličeje pomocí GAN sítí. V rámci práce jsou navrženy a natrénovány 3 neuronové sítí pro rozpoznávání tváří. Nejlepší z nich dosáhla přesnosti 99.38% na datasetu LFW a 88.08% na datasetu CPLFW. Dále je navržena síť pro rotaci obličeje PCGAN, která může být použita pro účely frontalizace obličeje či augmentace dat. Síť je vyhodnocena na datasetu Multi-PIE a pomocí frontalizace zvyšuje úspěšnost identifikace.
|
|
|
Hluboké neuronové sítě pro rozpoznání tváří ve videu
Jeřábek, Vladimír ; Sochor, Jakub (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce se zabývá rozpoznáváním tváří ve videu pomocí neuronových sítí. Na začátku je popsán výběr a ověření konvolučních neuronových sítí pro generování příznakových vektorů z obrázků různých identit. V další části se tato práce věnuje agregování příznakových vektorů ze snímků videa. Agregování probíhá pomocí agregačních neuronových sítí. Na konci této práce jsou diskutovány výsledky, kterých dané agregační metody dosáhli.
|
|
|
Deep learning based face recognition in real conditions
Horňáková, Veronika ; Kříž, Petr (oponent) ; Přinosil, Jiří (vedoucí práce)
This bachelor thesis explores the area of face recognition using deep learning technique. Face recognition is used for two main reasons: verification and identification. In this thesis we describe the techniques of deep learning, mostly the convolutional neural networks, which are the most significant method for processing images - detection, classification and segmentation of the image. The process of face recognition is divided into four main steps: face detection, face selection, face extraction and face classification. We chosen three of the existing programs for face recognition (OpenFace, FaceNet and Face_Recognition), which are described in this thesis, in particular the principle of the human face recognition. Thanks to the tests with the data set of Labeled Faces in the Wild (LFW) we could specify the accuracy and the time requirement of each application. Testing of FaceNet and Face_Recognition ran on real data with face detection in video with complicated conditions. The test compares two images and tries to determine if is the same person. The test results are show in graph and table.
|
|
|
Hluboké neuronové sítě pro rozpoznání tváří ve videu
Stratil, Jan ; Sochor, Jakub (oponent) ; Hradiš, Michal (vedoucí práce)
Tato bakalářská práce se zabývá rozpoznáváním tváří ve videu pomocí hlubokých neuronových sítí. Tato úloha je rozdělena na 2 části. První část se zabývá trénováním sítě, která vytváří kompaktní příznakový vektor reprezentující identitu tváře ze snímku videa. Druhá část se zabývá trénováním agregační sítě, která vytvořené příznakové vektory agreguje v jeden. Tato agregace je rychlá a ukázala se být lepší než pooling metody. Výsledky jsou testovány na datasetu LFW , kde dosažená přesnost je 92.8% a na datasetu YTF , kde přesnost je 84.06%.
|
|
|
Rozpoznávání emocí pomocí konvolučních neuronových sítí
Jileček, Jan ; Najman, Pavel (oponent) ; Hradiš, Michal (vedoucí práce)
Konvoluční neuronové sítě se dnes používají v mnoha oblastech, především ale pro strojové učení, kde vykazují velkou úspěšnost. Tato práce nejprve představí existující frameworky, další algoritmy pro rozpoznávání a pak popisuje, jak probíhalo vytváření vlastní datové sady a trénink modelu pro rozpoznávání emocí. Tento model má úspěšnost klasifikace 60%. Model je následně využit pro získání statistik o emocích z filmových trailerů a z těchto statistik je sestaven model pro rozpoznávání žánrů, který je konečně použit v naší aplikaci pro určení žánru vstupního traileru s přesností až 47%.
|
host ::
RSS.