|
|
Rozpoznávání topologických informací z plánu křižovatky
Huták, Petr ; Bartík, Vladimír (oponent) ; Kreslíková, Jitka (vedoucí práce)
Tato diplomová práce se zabývá průzkumem, návrhem a tvorbou postupů pro rozpoznávání topologických informací z plánu křižovatky. Vysvětluje metody používané v oblasti zpracování obrazu za účelem segmentace obrazu, rozpoznávání objektů v obraze, popisuje existující přístupy zpracování map reprezentovaných rastrovými obrazy a cílové prostředí, do kterého bude praktická část práce integrována. Práce je zaměřena především na porovnání různých přístupů získávání příznaků z rastrových map křižovatek a určení jejich sémantického významu. Praktická část je realizovaná v jazyku C# s využitím knihovny OpenCV.
|
|
|
Detektory a deskriptory oblastí v obrazu
Žilka, Filip ; Petyovský, Petr (oponent) ; Horák, Karel (vedoucí práce)
Táto diplomová práca sa zaoberá významnou oblasťou počítačového videnia a to konkrétne detektormi a deskriptormi oblastí v obraze. Budú predstavené najjednoduchšie návrhy na detekciu významných bodov počnúc Moravcovým detektorom až po komplexné detektory ako napríklad MSER alebo FAST. Popis týchto významných bodov je cieľom deskriptorov oblastí. Rovnako tu bude uvedený postupný prehľad od počiatkov, za ktoré možno považovať SIFT až po najnovšie a najstabilnejšie deskriptory ako napríklad FREAK alebo ORB. Jadrom práce bude následné testovanie a porovnanie vybraných metód na zvolenej úlohe lokalizácie ŠPZ v obraze.
|
|
|
Detekce odpovídajících si bodů ve dvou fotografiích
Ptašek, Martin ; Beran, Vítězslav (oponent) ; Španěl, Michal (vedoucí práce)
Bakalářská práce se zabývá metodami detekce shodných bodů ve dvou digitálních obrazech. Shrnuje a popisuje metody, které jsou pro téma detekce významných bodů v obraze základní nebo nové a moderní. Popisuje také metody používané k určování korespondencí částí obrazů. Práce je zaměřena na návrh a popis implementace detektoru shodných bodů s důrazem na segmentaci obrazu metodou MSER. Aplikace je vytvořena v jazyce C s využitím grafické knihovny OpenCV v operačním systému Windows XP. Výsledky, které shrnují vlastnosti detektoru, jsou ukázkou možného potenciálu vybraných metod.
|
|
|
Ohodnocení okolí bodů v obraze
Zamazal, Zdeněk ; Bařina, David (oponent) ; Zemčík, Pavel (vedoucí práce)
Tato diplomová práce se zabývá ohodnocením okolí bodů v obraze. Popisuje postupy získání důležitých bodů a metody jejich popisu. Blíže se věnuje Gaborově filtraci. Tato metoda je dále použita v praktické části práce jako základ pro aplikaci sledování objektů ve videu, kde slouží pro ohodnocení částic částicového filtru.
|
|
|
Svět kolem nás jako hyperlink
Mešár, Marek ; Maršík, Lukáš (oponent) ; Beran, Vítězslav (vedoucí práce)
Dokument popisuje vybrané metody a přístupy k problému detekce, extrakce a rozpoznání textu na moderních mobilních zařízeních. Také popisuje jejich vhodnou prezentaci v uživatelském rozhraní a jejich přeměnu na hypertextové odkazy jako zdroj informací o okolním světe. Dokument nastiňuje vyhledávací a rozpoznáváncí techniku založenu na detekci MSER oblastí a také popisuje použití obrazových příznaků pro metodu sledování a odhad pohybu textu.
|
|
|
Detekce poznávací značky v obraze
Vacek, Michal ; Hradiš, Michal (oponent) ; Beran, Vítězslav (vedoucí práce)
V první části se práce zabývá již známými metodami detekce značek. Jsou zde popsány metody využívající zpracování obrazu, AdaBoost, či detekci extrémních regionů. Následuje návrh a implementace vlastního přístupu k detekci poznávacích značek využívající lokální detektory k vytvoření slovníku vizuálních slov. V závěru je metoda vyhodnocena.
|
|
|
Detekce a rozpoznání registrační značky vozidla pro analýzu dopravy
Černá, Tereza ; Hradiš, Michal (oponent) ; Herout, Adam (vedoucí práce)
Tato diplomová práce se zabývá návrhem a vývojem systému pro detekci a rozpoznání registračních značek vozidel. Práce je rozdělena do tří základních částí: detekce registračních značek, nalezení pozic znaků, rozpoznání znaků. Pro účely práce byla pořízena nová datová sada, která obsahuje 2814 registračních značek pro účely trénování klasifikátorů a 2620 značek pro vyhodnocení úspěšnosti. Pro detekci registračních značek byl natrénován kaskádový klasifikátor, který dosahuje úspěšnosti až 97,8 %. Ve všech nalezených pozicích jsou vyhledány pozice znaků. Pokud nejsou nalezeny, pak daný výřez není registrační značkou. Úspěšnost detekce po nalezení všech pozic znaků je až 88,5 %. Rozpoznání znaků probíhá pomocí natrénovaného SVM klasifikátoru. Systém úspěšně rozpozná bez chyby až 97,7 % všech správně nalezených registračních značek.
|
host ::
RSS.