|
|
Demonstrační úlohy počítačového vidění na CNC frézce
Duda, Pavel ; Honec, Peter (oponent) ; Janáková, Ilona (vedoucí práce)
Tato bakalářská práce se zabývá integrací počítačového vidění do CNC strojů s cílem demonstrovat praktické využití této technologie. Úkolem je navrhnout několik demonstračních úloh, na kterých proběhne testování a implementace jednotlivých algoritmů počítačového vidění a následné zpracování dat pro ovládání CNC frézky. V závěru najdeme zhodnocení výsledků a případné alternativní kroky pro splnění problematiky.
|
|
|
Automatizace videoextenzometrů s využitím metod umělé inteligence
Leinweber, Vít ; Adamec, Tomáš (oponent) ; Ščerba, Bořek (vedoucí práce)
Tato diplomová práce se zabývá automatizací použití videoextenzometrů s využitím metod umělé inteligence, a to konkrétně implementací vhodného algoritmu pro rozpoznání typu měřeného vzorku a umístění vhodného softwarového nástroje do správné polohy na vzorek v reálném čase. V teoretické části práce je popsána digitální korelace obrazu, počítačové vidění se zaměřením na rozpoznávání objektů v obraze a strojové učení se zaměřením na hluboké konvoluční neuronové sítě a jejich architektury pro detekci objektů v obraze. Na základě poznatků z teoretické části práce je zvolen algoritmus YOLOv8 jako nejvhodnější pro klasifikaci typu vzorku a určení jeho polohy v reálném čase. V praktické části práce je pomocí databáze výrobce videoextenzometrů vytvořen dataset obsahující tři typy těles určených k detekci. Tento dataset je dále rozšířen o vlastní snímky vzorků a augmentován. Zvolený algoritmus je pomocí vytvořeného datasetu trénován, optimalizován a testován. V rámci optimalizace je použit genetický algoritmus a náhodné prohledávání prostoru hyperparametrů. Nejlepší natrénované modely algoritmu YOLOv8 jsou navzájem porovnány na dvou testovacích množinách, a je vybrán nejlepší z nich. Dále je popsána práce s tímto modelem jako detektorem integrovaným do příslušného softwaru pro práci s videoextenzometry. Na závěr je navržen postup na korekci vlivu nezarovnaných vzorků na snímcích vstupujících do detektoru.
|
|
|
Adversarial Attacks on AI Algorithms and Their Prevention
Gregorová, Jana ; Vaško, Marek (oponent) ; Herout, Adam (vedoucí práce)
The trustworthiness of AI, adversarial attacks on AI, and explainability of deep machine learning models represent complex and insufficiently explored topics. This thesis provides a comprehensive overview of state-of-the-art key methods for adversarial attacks on AI in computer vision, their explanation and prevention. By making this topic more accessible and understandable, the work aims to engage a broader audience in research of the security of AI and explainability of AI. Furthermore, this thesis delves into methods for explaining individual classification decisions of deep learning classifiers through Explainable AI (XAI) techniques. It also introduces a tool that integrates different methods for conducting adversarial examples with the application of XAI methods, allowing for monitoring AI attacks and analyzing the decision-making process of deep classifiers during such attacks.
|
|
|
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.
|
|
|
Evaluation of Image Quality and Camera Setup
Ondris, Ladislav ; Fučík, Otto (oponent) ; Zemčík, Pavel (vedoucí práce)
This work aims to develop a foundation for a general-purpose camera capable of updating its parameters based on the observed scene. This approach combines image quality assessment metrics with scene recognition. A set of metrics was collected, such as those used to assess contrast and sharpness. Additionally, a scene recognition machine learning model was developed to identify the scene, which serves as the basis for selecting appropriate camera parameters tailored to the specific scene. The work demonstrates the practical application of utilizing the metrics to optimize selected Image Signal Processor parameters and to detect optical aberrations.
|
|
|
Porovnání metod pro doplnění chybějící části obrazu založených na hlubokém učení
Rajsigl, Tomáš ; Herout, Adam (oponent) ; Španěl, Michal (vedoucí práce)
Cílem této bakalářské práce je porovnat metody hlubokého učení pro doplnění chybějící části obrazu pomocí kvantitativních metrik jako jsou PSNR, SSIM a LPIPS. Pro dodatečné subjektivní ohodnocení byla taktéž provedena uživatelská studie. K porovnání byly použity celkem čtyři neuronové sítě založené na architektuře GAN. Navrhovaná architektura neuronové sítě a její modifikované verze byly porovnávány oproti síti AOT-GAN. Experimenty ukázaly, že v obrazech s malou chybějící částí dosáhla varianta navržené metody 29% zlepšení oproti již zmiňované metodě AOT-GAN. Toto tvrzení podporují i výsledky uživatelské studie, kde byla tato metoda vyhodnocena jako nejlepší. V rámci této práce vznikla malá datová sada určená pro vyhodnocení metod retušování obrazu při úloze odstraňování objektů. Reálné využití těchto metod je demonstrováno prostřednictvím webové aplikace.
|
|
|
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.
|
|
|
Návrh a realizace metody vyhýbání se překážkám v outdoor prostředí pro mobilní robot
Fargač, Tomáš ; Králík, Jan (oponent) ; Věchet, Stanislav (vedoucí práce)
Tato práce se věnuje zkoumání využitelnosti metody optického toku při zpracování obrazu. Nejprve je tato metoda představena teoreticky a poté je matematicky odvozen její základ. Následně je představena myšlenka její implementace do rozhodovacích algoritmů a potenciálních oblastí využití. V práci je také možno nalézt elaboraci nad vhodným prostředím pro takovou aplikaci jak ve virtuálním tak i reálném světě. Praktická část pak ukazuje vývojový proces krok za krokem a také zdokonalování práce s touto metodou a jejími výstupy. Práce využívá programovacího prostředí Matlabu a detailní práci na úrovni jednotlivých komponentů v tomto programovacím jazyce, obohaceného o pomocné balíčky, zejména ze světa počítačového vidění. Celé bádání je nakonec přehledně shrnuto a všechny podniknuté kroky jsou vyobrazeny ve vývojovém diagramu. Závěrem jsou jasně prezentovány všechny zkoumané přístupy s jejich silnými stránkami a nedostatky, jež byly v průběhu identifikovány.
|
|
|
Segmentace silnic a cest v obrazových datech pro účely autonomní jízdy
Janíček, Ondřej ; Cihlář, Miloš (oponent) ; Svědiroh, Stanislav (vedoucí práce)
Tato bakalářská práce se zabývá tématem segmentace silnic a cest pro účely autonomního řízení. V teoretické části se zabývá počítačovým viděním, jednoduchými metodami segmentace a praktickými řešeními problému pomocí konvolučních neuronových sítí a klasických metod. V praktické části se práce zabývá sběrem testovacích dat, výběrem vhodného programovacího jazyka a výběrem vhodných knihoven. Následně se představí postup při programování vlastního řešení. Zde se začíná předzpracováním pro převod obrazu do~šedotónového obrazu a filtrace šumu, poté nalezení hran v obraze pomocí Cannyho hranového detektoru, následuje definice oblasti zájmu s navazující Houghovou transformací pro detekci přímek v obraze a v poslední fázi filtrace horizontálních čar a průměrování zbylých čar. Na konci práce jsou porovnány výsledky představeného řešení s ohledem na robustnost a výpočetní náročnost.
|
|
|
Detection of Material Surface Damage Based on a Photograph
Valko, Marek ; Malaník, Petr (oponent) ; Dyk, Tomáš (vedoucí práce)
This thesis focuses on the detection of surface defects from photograph using computer vision techniques, convolutional neural networks and models for object detection such as Faster R-CNN and YOLO. Different methods of surface damage detection, image processing, neural networks and machine learning are described in detail. The thesis also compares the performance of these models in identification of surface defects on wood and steel using different augmentations of these datasets.
|
host ::
RSS.