|
|
Neural Networks for Video Quality Enhancement
Sirovatka, Matej ; Juránek, Roman (oponent) ; Hradiš, Michal (vedoucí práce)
In this thesis, a new method for video super-resolution is proposed. The method is based on the idea of using deformable convolutional layers together with optical flow to align features from multiple sequential video frames. This novel module is then used in a U-Net-like deep neural network to predict high-resolution frames. The proposed method is evaluated on a dataset containing real-life scenes and compared to other methods. Multiple different configurations of the proposed method are tested and the results are analyzed. The results of the experiments show promising results, with the model outperforming bilinear interpolation, and single-frame methods. Multiple different architectures of the feature alignment module together with the rest of the U-Net architecture are tested, showing that using Vgg19 as the encoder of the U-Net gives the best results.
|
|
|
Framework for event modeling a prediction in football.
Geffert, Maroš ; Beneš, Karel (oponent) ; Szőke, Igor (vedoucí práce)
This thesis investigates current methods of predicting football events such as the number of goals in a match, the outcome of a match, or whether both teams will score. The models analyzed were neural network, RandomForest and XGBoost. Extensive historical data on matches and players were collected as part of the work. The main objectives were to determine whether detailed statistics significantly affect prediction, to evaluate the effectiveness of using betting odds as features, to investigate the impact of historical data on the quality of predictions, and to determine whether success can be achieved in the betting market with such models. The results showed that detailed statistics improve the accuracy of the predictions, but the use of odds as features generally degrades the predictions. The results regarding the use of historical data for predictions were inconclusive. RandomForest and neural network models achieved promising results with ROI of 32.38% and 29.04%, respectively.
|
|
|
Reversibility of Voice Change Methods
Lička, Zbyněk ; Firc, Anton (oponent) ; Malinka, Kamil (vedoucí práce)
State-of-the-art voice-changing methods allow inexperienced users to create convincing voice recordings of famous individuals with just a few seconds of recorded speech. There are two major approaches to voice generation: voice conversion and text-to-speech. Voice conversion methods require the user to input source speech to be converted to the target voice. A trend with voice conversion methods, especially those requiring only mere seconds of reference speech, has been restricting the amount of information about the original speaker in the converted speech. This work focuses on studying the amount of information extractable about the original speaker from artificial speech and potentially reconstructing the original speech. The results of this work shed light on an unstudied property of voice-changing methods.
|
|
|
Automatická tvorba animovaného videa na základě textového příběhu
Kuchař, Josef ; Švec, Tomáš (oponent) ; Smrž, Pavel (vedoucí práce)
Cílem této práce je propojit difúzní model pro generování lidského pohybu s difúzním modelem generující video. V řešení jsou použité aktuální metody pro generování videa a pohybu. Generování videa probíhá pomocí generátoru obrázků opatřeného adaptérem pro temporální konzistenci. Práce představuje metodu propojení obou difúzních modelů pomocí sítě ControlNet. Vytvořené řešení umožňuje generovat video z jednoduchého textového popisu, případně detailního scénáře. Program byl otestován v uživatelské studii.
|
|
|
Optimalizace řízení podmínek v inteligentním skleníku
Vilimovský, Dan ; Beran, Vítězslav (oponent) ; Bažout, David (vedoucí práce)
Práce se zaměřuje na hledání možností optimalizací provozu chytrého skleníku snížením provozních nákladů a jednodušší udržitelnosti ideálního prostředí pro vývoj rostlin ve skleníku. Cílem je modelovat podmínky ve skleníku za pomoci vytvořeného modelu neuronové sítě schopného předvídat hodnoty parametrů prostředí, jako je teplota a vlhkost vzduchu. Tento model je trénován na reálných datech získaných z dlouhodobého měření v testovacím objektu. Dále se práce zabývá možností využití tohoto modelu neuronové sítě pro optimalizaci řízení chodu skleníku tak, aby mohly být v budoucnu zajištěny ideální vývojové podmínky pro pěstované rostliny nebo zredukována spotřeba elektrické energie využita na provoz spotřebičů.
|
|
|
Metody návrhu celulárních automatů
Hranický, Jan ; Strnadel, Josef (oponent) ; Bidlo, Michal (vedoucí práce)
Tato práce řeší problém návrhu celulárních automatů. Je navržena a implementována nová metoda Diskrétního neurálního celulárního automatu, zkráceně DNCA. Práce se tak zaobírá problémem optimalizace přechodové funkce automatu, a to pomocí algoritmu Adam a také méně tradičního přístupu diferenciální evolucí. Navržený model je úspešně natrénován na více než desíti scénářích chování, které se liší v obtížnosti.
|
|
|
Metody inicializace vah neuronových sítí a jejich vliv na učení sítí
Prukner, Jakub ; Nemčeková, Petra (oponent) ; Chmelík, Jiří (vedoucí práce)
Práce se zabývá použitím různých metod inicializace vah umělých neuronových sítí a sledováním jejich vlivu na učení sítě. Jako úloha pro síť je zvolena klasifikace obrázků ze dvou databází MNIST a CIFAR-10. Teoretická část popisuje oblast umělých neuronových sítí a také různé metody nicializace vah. Praktická část obsahuje popis a implementaci experimentů, popis architektur a jejich hyperparametrů. Jednotlivé experimenty sledují vliv vybraných metod a jejich případných konfigurací na učení různých architektur umělých neuronových sítí. Výsledky jsou pro jednotlivé databáze a typy architektur porovnány a jsou vybrány metody, se kterými síť dosáhla nejlepšího naučení. Dále jsou vybrány metody, se kterými bylo dosaženo optimálního naučení sítě nejrychleji. Dosažené výsledky jsou diskutovány.
|
|
|
Identifikace člověka podle fotografie dlaně / hřbetu ruky
Štanga, Miroslav ; Vaško, Marek (oponent) ; Herout, Adam (vedoucí práce)
This work focuses on using contrastive self-supervised learning method for creating model of deep learning intended for person recognition based on hand photographs. The paper outlines fundamentals of machine learning, utilized tools and dataset. The method was developed using PyTorch library. The proposed model draws inspiration from the SimCLR architecture and its use of contrastive representation learning. The proposed approach utilizes the triplet loss function for optimization. Then the optimization process is described and impact of individual hyperparameters on the model´s accuracy is compared. The resulting model was trained on 1696 hand photos and achieves 98% accuracy on validation set. The accuracy achieved using self-supervised methods is higher than the accuracy achieved using supervised methods.
|
|
|
RBF neuronové sítě
Nevoral, Leoš ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Práce se zabývá přiblížením problematiky RBF neuronových sítí a specificky RCE sítě pomocí demo aplikace. V demo aplikaci je hlavně vizualizovaný proces učení sítě, ale i stav neuronové sítě a různé tvary bázových funkcí. Dále je také zkoumáno využití EBF neuronových sítí. Klasické přístupy k EBF sítím jsou srovnány s novým návrhem OEBF sítě a následně jsou otestovány. Tento nový návrh je založený na vytváření eliptických oblastí pomocí euklidovské vzdálenosti od ohnisek elipsy. Nový návrh nejeví známky vylepšení vlastností těchto sítí a naopak spíše produkuje skoro stejné výsledky jako klasická RCE síť, které jsou ale řádově asi o jednotky procent méně přesné. Na závěr jsou navrženy možnosti pro budoucí úpravy tohoto přístupu.
|
|
|
Detekce povrchových defektů kovových dílů pomocí neuronových sítí
Hadwiger, Tomáš ; Jonák, Martin (oponent) ; Ježek, Štěpán (vedoucí práce)
Tato práce je zaměřená na problematiku detekci povrchových anomálií na kovových dílech. Cílem bylo implementovat různé architektury neuronových sítí s použitím metody CutPaste a poměřit jejich výsledky na třídách tří různých datových množin: MVTec AD, MPDD a MPDD2. Pro třídy objektů množiny MVTeC AD se ukázala jako nejpřesnější architektura ResNet-18 s přesností 84,45 AUROC, pro materiály to byla architektura EfficientNet s průměrnou přesností 87,22 AUROC. Pro množiny MPDD a MPDD2 byla naměřena jako nejpřesnější architektura ResNet50 s průměrnou přesností 88,64 a 61,10 AUROC. Podle naměřených hodnot je množina MPDD2 nejtěžší pro detekci anomálií.
|
host ::
RSS.