|
|
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.
|
|
|
Vyhledávání fotografií v databázi podle příkladu
Dobrotka, Matúš ; Hradiš, Michal (oponent) ; Veľas, Martin (vedoucí práce)
Táto práce se zabývá vyhledáváním fotografií v databázi podle příkladu. Práce byla vytvo\-ře\-na s cílem vyvinout aplikaci, která bude porovnávat různé přístupy vyhledávání fotografií v databázi. Jedná se o základní přístup, který spočívá v detekci klíčových bodů, extrakci lokálních příznaků a tvorbě vizuálního slovníku algoritmem shlukování - k-means. Pomocí vizuálního slovníku je spočítán histogram četnosti výskytu vizuálních slov - Bag of Words (BoW), který reprezentuje fotografii jako celek. Po aplikování vhodné metriky dojde k vyhledání podobných fotografií. Druhý přístup představují hluboké konvoluční neuronové sítě (DCNN), které jsou využity k extrakci příznakových vektorů. Tyto vektory jsou použity na tvorbu vizuálního slovníku, který slouží opět k výpočtu BoW. Postup je pak podobný jako v prvním přístupu. Třetí přístup počítá s extrahovanými vektory z DCNN jako s BoW vektory. Následuje aplikace vhodné metriky a vyhledání podobných fotografií. V závěru práce jsou popsány použity přístupy, uvedeny experimenty a závěrečné vyhodnocení.
|
|
|
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.
|
|
|
Vyhledávání podobných fotografií
Rosa, Štěpán ; Mlích, Jozef (oponent) ; Beran, Vítězslav (vedoucí práce)
Tato práce popisuje cestu k realizaci aplikace, ve které si uživatel vybere databázi fotografií, se kterou bude pracovat a zadá systému fotografii. Ten mu pomocí vizuálního slovníku nalezne nejpodobnějších fotografie z této databáze a na základě statistické analýzy textových popisků těchto fotografií mu nabídne vhodnou formou popisky pro dotazovanou fotografii.
|
|
|
Gamifikace vidozáznamu robotů sledujících čáru
Soboňa, Tomáš ; Honec, Peter (oponent) ; Janáková, Ilona (vedoucí práce)
Táto bakalárska práca sa zaoberá spracovaním trajektórie vozidla sledujúceho čiernu čiaru na nemennom bielom pozadí a následným porovnávaním kvality prejdenia tejto dráhy jednotlivými vozidlami. V prvej časti práce je popísaná teória pre rozpoznanie dráhy, jednotlivých grafických tagov a aj nájdenie významných bodov v obraze a ich spárovanie s bodmi v inom obraze, načo sa využíva algoritmus SIFT. Druhá časť sa venuje popisu samotného programu, ktorý bol v tejto práci vytvorený, jeho triedam a metódam. Program je napísaný v jazyku Python a pre spracovanie obrazu sa využíva hlavne „open source-ová “ knižnica OpenCV a ale aj v menšej miere knižnica NumPy. Nakoniec sú v práci zhrnuté dosiahnuté výsledky.
|
|
|
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.
|
|
|
Deep Learning for Image Stitching
Držíková, Diana Maxima ; Vaško, Marek (oponent) ; Španěl, Michal (vedoucí práce)
Stitching digital images is not something unfamiliar to the average technology user. The most common example of stitching can be found in panoramic images, where the algorithm stitches them to achieve a seamless, high-quality picture. Various steps need to be executed to stitch the images. Feature detection, description, and matching play the most important role in achieving the goal. This thesis will dwell deeper into the stitching problematic and will discuss the possible solutions. The traditional approaches to stitching will be explained in order to understand the basic idea behind it. Later on, the neural networks will be used to enhance the feature processing. The SuperPoint and SuperGlue neural networks will be discussed and used for their experiments. The main product of this work is a matching algorithm which uses the SuperPoint and SuperGlue models to stitch the images from grids. Other experiments which helped the process of understanding this problem, will be explained and evaluated.
|
|
|
Analýza vlastností stereokamery ZED ve venkovním prostředí
Svoboda, Ondřej ; Věchet, Stanislav (oponent) ; Krejsa, Jiří (vedoucí práce)
Tato diplomová práce je zaměřena na testování ZED kamery a SLAM mapování ve venkovním prostředí. Je zde porovnána funkčnost samotné vizuální odometrie ZEDfu, vyvíjena samotným výrobcem kamery, s běžně používanými metodami pro sledování trajektorie a to pomocí GPS nebo kolové odometrie. Dále se zde testuje SLAM mapování v RTAB-Map v závislosti na proměnných podmínkách prostředí a to za použití dvou metod BRISK a SIFT. Provedená analýza by měla sloužit pro pozdější aplikace ZED kamery v mobilní robotice.
|
|
| |
|
|
Skládání snímků sítnice oka
Hladyuk, Vadym ; Semerád, Lukáš (oponent) ; Drahanský, Martin (vedoucí práce)
Cílem této práce je sestavení kompletního snímku sítnice, z několika dílčích snímků. Do této doby neexistuje způsob, jakým by bylo možné zachytit celou sítnici v jednom snímku, proto je důležité, se touto problematikou zabývat. Text představí a detailně popíše metody, algoritmy a knihovny, které byly použity k dosažení požadovaných výsledků. Na závěr textu jsou poté demonstrováný dosažené výsledky. Problém skládání snímků sítnice byl vyřešen extrakcí cév ve snímcích sítnice, vyhledáním klíčových bodů ve snímcích, nalezením společných klíčových bodů, vypočítáním transformační matice a transformací jednoho snímku na druhý. Výsledky celé práce byly také konzultovány s očním lékařem a na základě jeho doporučení byly navrženy další možné kroky, kterými by se práce mohla dále ubírat, které jsou rozebrány v textu. Text poskytne čtenáři znalosti o očním aparátu a také představí oblast barevných modelů, formátů snímků, algoritmů pro hledání klíčových bodů, transformace snímků, dále poskytne možný způsob jak poskládat snímky sítnice a navrhne možné vylepšení.
|
host ::
RSS.