|
|
Extrakce krevního řečiště z Fundus snímku lidského oka
Baláš, Ondřej ; Říha, Kamil (oponent) ; Minář, Jiří (vedoucí práce)
Tato bakalářská práce se zabývá metodami segmentace obrazu a jejich využití při extrakci krevního řečiště oka z tzv. fundus snímků. K pochopení dané problematiky je na následujících stránkách popsán anatomický pohled do oka, zpracování obrazu a různé segmentační metody. Dále tato práce obsahuje návrh aplikace na extrakci krevního řečiště s využitím různých segmentačních metod, naprogramována v jazyce JAVA za pomocí knihovny OpenCV na zpracování obrazu. Výsledné snímky z aplikace jsou porovnány se snímky „zlatých standardů“ z veřejných databází.
|
|
|
Detekce ochranných pomůcek v obrazovém signálu
Burdík, Vojtěch ; Šmirg, Ondřej (oponent) ; Přinosil, Jiří (vedoucí práce)
Tato práce se věnuje poměrně novému počítačovému oboru – počítačovému vidění. Zaměřuje se na rozpoznávání osob, určení polohy a detekce barvy oděvu umístěné na osobě. Cílem práce je sestavit algoritmus, který bude schopen vyhledat osobu v obraze a podrobit jí testování barvy oděvu a přilby. Ke zpracování obrazu byly vyuţity funkce z knihovny OpenCV a z algoritmu byl sestaven program, který tento problém řeší. Výstupem programu je pak odpověď jakou barvu má na sobě osoba na určených místech a pokud se barva přilba a oděvu shodují, je osoba vyhodnocena jako správně oblečená. Výsledný program je poté rozebrán a části jeho kódu jsou podrobně popsány v této práci. Je zde vysvětleno, jak správně pouţít kaţdou funkci OpenCV pouţitou v programu a jaké jsou jejich výhody při pouţití pro zpracování obrazových informací.
|
|
|
Vyhodnocování terčů na střelnici s využitím obrazových dat
Sujová, Sára ; Šťastný, Jiří (oponent) ; Škrabánek, Pavel (vedoucí práce)
V práci je popísaný návrh a implementácia systému strojového videnia pre vyhodnocovanie terčov na strelnici s využitím obrazových dát. Program rešpektuje obmedzenia vychádzajúce z bezpečnostných opatrení stanovených prevádzkovateľom strelnice a používa jednotný a nemenný systém osvetlenia a umiestnenia fotoaparátu. Práca pozostáva z niekoľkých častí. Prvou časťou je vytvorenie datasetu a jeho anotácia. Druhou časťou je vytvorenie programu. Do programu vstupuje fotografia terča, ktorá je vo fáze predspracovania vhodne upravená a rozdelená na podoblasti. Tieto podoblasti sú následne iteratívne spracované sieťou U-NET, ktorá produkuje segmentačné mapy, ktoré sú následne spojené do výslednej mapy. Z tejto mapy sú získané pozície detekovaných priestrelov. V poslednej časti programu je získané bodové hodnotenie streľby.
|
|
|
Analysis of Retinal Image Data to Support Glaucoma Diagnosis
Odstrčilík, Jan ; Kybic, Jan (oponent) ; Matula,, Petr (oponent) ; Kolář, Radim (vedoucí práce)
Fundus camera is widely available imaging device enabling fast and cheap examination of the human retina. Hence, many researchers focus on development of automatic methods towards assessment of various retinal diseases via fundus images. This dissertation summarizes recent state-of-the-art in the field of glaucoma diagnosis using fundus camera and proposes a novel methodology for assessment of the retinal nerve fiber layer (RNFL) via texture analysis. Along with it, a method for the retinal blood vessel segmentation is introduced as an additional valuable contribution to the recent state-of-the-art in the field of retinal image processing. Segmentation of the blood vessels also serves as a necessary step preceding evaluation of the RNFL via the proposed methodology. In addition, a new publicly available high-resolution retinal image database with gold standard data is introduced as a novel opportunity for other researches to evaluate their segmentation algorithms.
|
|
|
Pokročilé metody detekce hran v obraze
Novák, Marek ; Nečas, Ondřej (oponent) ; Španěl, Michal (vedoucí práce)
Detekce hran v obraze je jedním fundamentálních postupů užitých v oblasti zpracování obrazu a počítačového vidění. Cílem této práce je implementace a porovnání zvolených konvenčních a pokročilých metod, včetně porovnání jejich výkonnosti. Práce popisuje implementaci a evaluaci metody Linked Edges as Stable Region Boundaries . Úspěšnost metod je vyhodnocena za použití Berkeley Segmentation Data Set and Benchmarks 500 .
|
|
|
Segmentation of multiple sclerosis lesions using deep neural networks
Sasko, Dominik ; Myška, Vojtěch (oponent) ; Kolařík, Martin (vedoucí práce)
This master thesis focused on automatic segmentation of Multiple Sclerosis (MS) lesions on MRI images. We tested the latest methods of segmentation using Deep Neural Networks and compared the approaches of weight initialization by transfer learning and self-supervised learning. The automatic segmentation of MS lesions is a very challenging task, primarily due to the high imbalance of the dataset (brain scans usually contain only a small amount of damaged tissue). Another challenge is a manual annotation of these lesions, as two different doctors can mark other parts of the brain as damaged and the Dice Coefficient of these annotations is approximately 0.86, which further underlines the complexity of this task. The possibility of simplifying the annotation process by automatization could improve the lesion load determination and might lead to better diagnostic of each individual patient. Our goal was to propose two techniques that use transfer learning to pre-train weights to later improve the performance of existing segmentation models. The theoretical part describes the division of artificial intelligence, machine learning and deep neural networks and their use in image segmentation. Afterwards, the work provides a description of Multiple Sclerosis, its types, symptoms, diagnosis and treatment. The practical part begins with data preprocessing. Firstly, brain scans were adjusted to the same resolution with the same voxel size. This was needed due to the usage of three different datasets, in which the scans had been created by devices from different manufacturers. One dataset also included the skull, therefore it was necessary to remove it by an FSL tool, leaving only the patient's brain in the scan. The preprocessed data were 3D scans (FLAIR, T1 and T2 modalities), which were cut into individual 2D slices and used as an input for the neural network with encoder-decoder architecture. The whole dataset consisted a total of 6,720 slices with a resolution of 192 x 192 pixels for training (after removing slices where the mask was empty). Loss function was Combo loss (combination of Dice Loss with modified Cross-Entropy). The first technique was to use the pre-trained weights from the ImageNet dataset on encoder in U-Net network, with and without locked encoder weights, respectively, and compare the results with random weight initialization. In this case, we used only the FLAIR modality. Transfer learning has proven to increase the metrics from approximately 0.4 to 0.6. The difference between encoder with and without locked weights was about 0.02. The second proposed technique was to use a self-supervised context encoder with Generative Adversarial Networks (GAN) to pre-train the weights. This network used all three modalities also with the empty slices (23,040 slices in total). The purpose of GAN was to recreate the brain image, which was covered by a checkerboard. Weights learned during this training were later loaded for the encoder to apply to our segmentation problem. The following experiment did not show any improvement, with a DSC value of 0.29 and 0.09, with and without a locked encoder, respectively. Such a decrease in performance might have been caused by the use of weights pre-trained on two distant problems (segmentation and self-supervised context encoder) or by difficulty of the task considering the hugely unbalanced dataset.
|
|
|
Rozpoznávání objektů pomocí neuronových sítí
Marák, Jaroslav ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Tato práce se zaměřuje na neuronové sítě a jejich klasifikační schopnosti při rozpoznávání objektů v obraze. Pro rozpoznávání je zde použito vícevrstvé dopředné neuronové sítě, trénovatelné pomocí algoritmu zpětného šíření chyby - Back Propagation. V práci je zmíněna problematika volby topologie takovéto sítě a významných parametrů ovlivňujících průběh učení dopředné sítě. Pomocí série experimentů rozpoznávání objektů v různých úlohách jsou prezentovány dosažené výsledky spolu se zhodnocením úspěšnosti.
|
|
|
Volné algebraické struktury a jejich využití pro segmentaci digitálního obrazu
Čambalová, Kateřina ; Solovjovs, Sergejs (oponent) ; Pavlík, Jan (vedoucí práce)
Práce se zabývá metodami segmentace obrazu. Na principu prahování je postavena metoda fuzzy segmentace. Ta je zobecněna do vícekriteriální metody. Celá metoda je podepřena teorií volných algeber. Přes uspořádané množiny na vlastnostech obrazu je vytvořen volný distributivní svaz, jehož prvky jsou termy použitelné k prahování. Je představen rozklad na třídy ekvivalence, které mohou tvořit možné výsledky segmentace. V závěru jsou představeny použité algoritmy a navrženy metody jejich zrychlení. Dále je představena metoda možného odčítání objektů.
|
|
| |
|
|
Segmentace obrazových dat pomocí hlubokých neuronových sítí
Pazderka, Radek ; Šůstek, Martin (oponent) ; Rozman, Jaroslav (vedoucí práce)
Tato diplomová práce se zaměřuje na segmentaci scény z dopravního prostředí. Řešením tohoto problému jsou segmentační neuronové sítě, které umožňují klasifikovat každý pixel scény. V rámci této diplomové práce byla vytvořena vlastní segmentační neuronová síť, která dosáhla lepších výsledků než dosavadní state-of-the-art architektury. Práce se také zaměřuje na segmentaci ptačích pohledů na vozovku, ze kterých neexistují volně dostupné anotované datové sady. za tímto účelem byl vytvořen automatický nástroj pro generování syntetických datových sad z PC hry Grand Theft Auto V. Práce srovnává sítě trénované pouze na syntetických datech a sítě trénované na společně reálných a syntetických datech. Experimenty dokazují, že syntetická data lze využít na segmentaci dat z reálného prostředí. Také byl implementován systém, který umožňuje veškerou práci se segmentačními neuronovými sítěmi.
|
host ::
RSS.