|
| |
|
|
Detekce dopravních značek z kamery ve vozidle
Dušek, Jan ; Sochor, Jakub (oponent) ; Beran, Vítězslav (vedoucí práce)
Tato bakalářská práce se zabývá detekcí dopravních značek v obraze nebo videu. Nejprve budou popsány algoritmy běžně využívané k tvorbě obecného detektoru dopravních značek. Následně popíšu detekci dopravních značek využívající metod histogram orientovaných gradientů a support vector machines. Nakonec zhodnotím výsledky, kterých se podařilo dosáhnout.
|
|
|
Detekce vybraných zvukových událostí v reálném prostředí
Kowolowski, Alexander ; Burget, Radim (oponent) ; Přinosil, Jiří (vedoucí práce)
Tato práce se zabývá metodami pro rozpoznávání nebezpečných událostí, v tomto případě výstřelů, v reálném prostředí. Nejdříve byla vytvořena testovací a trénovací databáze zvuků ze zadané databáze MIVIA. V této databázi byly soubory obsaženy v šesti verzích odstupu užitečného signálu od šumu, takže následné testování vybraných metod probíhalo pro různě zašuměné soubory a bylo zjištěno, že některé metody jsou například přesnější u čistších nahrávek než jiné, ale už méně přesné u více zašuměných. Pro extrakci typických příznaků ze vstupního zvuku byla vždy použita metoda melovských kepstrálních koeficientů. V práci jsou na vytvořených databázích postupně testovány metody podpůrných vektorů a klasifikace spojením většího počtu slabých klasifikátorů. Tyto metody jsou poté dále optimalizovány, například využitím statistických veličin a po optimalizaci dosahují lepších výsledků, podle předpokladů. V rámci práce byly vytvořeny dva skripty, kde jeden vytváří trénovací databázi a na těchto datech natrénuje klasifikátor a druhý vytváří testovací databázi a vybraný klasifikátor na takto získaných testovacích datech otestuje a vypíše výsledky. Výsledky jsou v práci zpracovány pomocí tabulky záměn a je pro ně vypočteno několik poměrových veličin, jako je přesnost, citlivost, specifičnost a další. Tyto výsledky jsou vždy uvedeny v příslušné kapitole v tabulkách i sloupcových grafech a řádně okomentovány.
|
|
|
Automatické třídění fotografií podle obsahu
Veľas, Martin ; Beran, Vítězslav (oponent) ; Španěl, Michal (vedoucí práce)
Tato práce se zabývá automatickou kategorizací fotografií podle obrazového obsahu. Cílem práce bylo vytvořit aplikaci, která je schopna s dostatečnou přesností a rychlostí tuto úlohu naplnit. Základní řešení obnáší detekci význačných bodů a extrakci lokálních příznaků, tvorbu vizuálního slovníku shlukováním metodou k-means a jeho reprezentaci pomocí k-dimenzionálního stromu. Fotografie je reprezentována pomocí histogramu početnosti výskytu vizuálních slov (bag of words). Úlohu vlastního klasifikátoru plní SVM (support vector machines). Dále je základní řešení obohaceno o dělení obrazu na části se samostatným zpracováním, využití barevných korelogramů pro doplňkový popis obrazu, extrakci lokálních příznaků v opponent color space a měkké přiřazení vizuálních slov k extrahovaným příznakovým vektorům. Závěr práce je věnován experimentům se zmíněnými technikami a vyhodnocování výsledků kategorizace při jejich použití.
|
|
| |
|
|
Vyhodnocování rizik internetových domén
Polišenský, Jan ; Homoliak, Ivan (oponent) ; Očenášek, Pavel (vedoucí práce)
Internetové domény hrají klíčovou roli při poskytování webových služeb. Je tedy nezbytně nutné umět škodlivé domény odhalit. V této práci jsou rozebrány přístupy ke klasifikaci internetových domén, jakožto i výběr a zdroje dat, použitých k této klasifikaci. Pozornost je především zaměřena na metody strojového učení neuronovými sítěmi a metodou podpůrných vektorů. Pomocí těchto metod je implementován systém, který vykazuje 96,3% přesnost na testovacích datech.
|
|
|
Nástroj pro predikci atributů životního stylu na základě metagenomických dat z tlustého střeva
Kubica, Jan ; Hon, Jiří (oponent) ; Smatana, Stanislav (vedoucí práce)
Tato práce se zabývá analýzou lidského mikrobiomu na základě metagenomických dat z tlustého střeva. Předmětem zkoumání je zastoupení bakterií na různých taxonomických úrovních v závislosti na životním stylu jedince. Byl vytvořen nástroj klasifikující jednotlivé atributy, jako jsou stravovací návyky (vegetarián, vegan, všežravec), citlivost na lepek a laktózu, body mass index nebo věk či pohlaví, s využitím metod strojového učení. Při implementaci byly zvoleny metody k nejbližších sousedů (kNN), náhodný les (RF) a metoda podpůrných vektorů (SVM). Data pro natrénování klasifikátoru a vyhodnocení byla čerpána z projektu American Gut. Práce se rovněž zaobírá problémy spojenými s danými datovými sadami, jako je mnoharozměrnost, řídkost, jejich kompoziční závislost a nevyváženost.
|
|
|
Detekce, lokalizace a rozpoznání dopravních značek
Svoboda, Tomáš ; Juránek, Roman (oponent) ; Herout, Adam (vedoucí práce)
Tato diplomová práce se zabývá lokalizací, detekcí a rozpoznáním dopravních značek. Jsou zde rozebírány možnosti výběru oblastí s pravděpodobným výskytem značek. Dále jsou řešeny vlastnosti různých příznaků se zaměřením na příznaky založené na histogramu orientovaných gradientů. Z možných klasifikátorů se práce zabývá především kaskádami klasifikátorů typu support vector machines, které jsou použity ve výsledném systému. Součástí zprávy je dále popis implementace systému a popis datových sad pro 5 typů dopravních značek. Systém je rozsáhle testován, výsledky testování jsou velmi dobré. Zpracováním téměř 9 hodin videozáznamu byly získány nové datové sady. Tyto sady zahrnují přibližně 13 500 obrazů.
|
|
|
Vliv parcelačního atlasu na kvalitu klasifikace pacientů s neurodegenerativním onemocněním
Montilla, Michaela ; Lamoš, Martin (oponent) ; Gajdoš, Martin (vedoucí práce)
Cílem práce je definice vztahu závislosti klasifikace pacientů postižených neurodegenerativním onemocněním na volbě parcelačního atlasu. Součástí práce je aplikace analýzy funkční konektivity a výpočtu grafových metrik dle metody publikované Olafem Spornsem a Mikailem Rubinovem [1] na fMRI datech naměřených na CEITEC MU. Aplikaci předchází teoretická rešerše parcelačních atlasů pro segmentování mozku ze snímků fMRI a rešerše matematických metod klasifikace, jako i klasifikátorů neurodegenerativních onemocnění. První kapitoly práce přináší teoretický základ poznatkůl z oblasti magnetické a funkční magnetické rezonance. Definovány jsou fyzikální principy metody, podmínky a průběh akvizice obrazových dat. Třetí kapitola shrnuje grafové metriky použité dále v diplomové práci pro analýzu a klasifikování grafů. Práce přináší stručný přehled parcelačních metod, se zaměřením na parcelaci pomoci atlasů. Po teoretické rešerši metod zkoumání funkční konektivity a matematických metod klasifikací, byly poznatky použity pro realizaci parcelací, výpočet grafových metrik a následnou klasifikaci fMRI snímků 96 subjektů vždy do jedné ze dvou tříd s využitím binárních klasifikátocí metodou podpůrných vektorů a lineární diskriminační analýzy. Data klasifikována v této práci byla naměřena na pacientech s Parkinsonovou chorobou (PD), s Alzheimerovou chorobou (AD), s Mírní kognitivní poruchou (MCI), s kombinací nemocí PD a MCI a na subjektech patřících do kontrolní skupiny zdravých jedinců. Pro předzpracování a pro analýzu je v práci využito prostředí MATLAB a toolboxy SPM12 a Brain Connectivity Toolbox.
|
|
|
Automatická kategorizace fotografií podle obsahu
Němec, Ladislav ; Španěl, Michal (oponent) ; Veľas, Martin (vedoucí práce)
Tato práce se zabývá problematikou klasifikace fotografií podle obsahu. Hlavním cílem práce je implementace aplikace, která je schopná tuto kategorizaci provádět. Řešení se sestává z variabilního systému využívajícího extrakce lokálních příznaků v obraze a vytvoření vizuálního slovníku metodou k-means. Aplikace využívá Bag of Words reprezentace jako globální funkce pro popis každé fotografe. Poslední složkou tohoto systému je klasifikace prováděná na základě Support Vector Machines. V poslední kapitole jsou představeny výsledky experimentování s tímto systémem.
|
host ::
RSS.