|
|
Využití strojového učení k rozpoznání pohybu feederového prutu
Vele, Patrik ; Vašíček, Zdeněk (oponent) ; Šimek, Václav (vedoucí práce)
Cílem této diplomové práce je vytvořit zařízení, které využívá metody strojového učení k rozpoznávání pohybů feederového rybářského prutu na základě dat z inerciální měřící jednotky. Úvodní část je věnována rybolovné technice feeder, výběru důležitých pohybů a možnostem upevnění detekčního zařízení na prut. Následuje vytvoření teoretického základu v oblasti strojového učení, seznámení s inerciální měřicí jednotkou a problematikou klasifikace. Obdržené znalosti jsou použity k výběru vhodných technik pro řešení úlohy rozpoznávání pohybů prutu. V praktické části je navrženo a vytvořeno detekční zařízení založené na platformě ESP32. To je nejprve používáno jako snímač pohybu, který v kombinaci se zpracováním naměřených hodnot slouží jako generátor trénovací datové sady. Práce pokračuje implementací konvoluční neuronové sítě, procesem učení na vytvořené datové sadě a integrací nejúspěšnějšího modelu do detekčního zařízení. Závěr je věnován testování v praxi, vyhodnocení a možnostem budoucího vývoje. Výsledkem je malé, bateriově napájené zařízení, které po připevnění na libovolný feederový prut poskytuje vysoce úspěšnou detekci všech klíčových pohybů během lovu. Navíc díky bezdrátové komunikaci přes ESP-NOW umožňuje odesílat výsledky na různá zařízení.
|
|
|
Návrh metod pro vizualizaci šifrovaného provozu
Hlučková, Pavla ; Martinásek, Zdeněk (oponent) ; Malina, Lukáš (vedoucí práce)
Tato práce se zabývá návrhem metod pro vizualizaci šifrovaného provozu. Obecně popisuje vybrané protokoly šifrovaného provozu, jejichž vzorky jsou následně zachytávány do datové sady. Práce se podrobněji zaměřuje na problematiku monitoringu síťového provozu za využití IP toků a popisuje způsob, jak lze tento monitoring provádět. Významnou součástí práce jsou vytvořené datové sady ze zmíněných protokolů, dále návrhy vizualizací různých statistik a metadat, která jsou zjistitelná z (rozšířených) IP toků těchto protokolů. Metody vizualizace jsou implementovány pomocí programovacího jazyka Python a technologie Jupyter Notebook.
|
|
|
Pokročilá analýza pohybujících se objektů v obraze
Medynskyi, Ivan ; Sikora, Pavel (oponent) ; Kiac, Martin (vedoucí práce)
Tato práce je zaměřena na zpracování obrazu pomocí knihovny OpenCV a detekci pohybujících se objektů ve videu s použitím konvolučních neuronových sítí. Výsledná aplikace umí detekovat pohybující se objekty z videa nebo v reálném čase a obsahuje uživatelské grafické rozhraní, pomocí kterého uživatel může jednoduše aplikaci ovládat. Součástí této aplikace je konvoluční model YOLO, který je určen k detekcí pohybujících se objektů.
|
|
|
Strojové učení z dat systémů pro detekci síťového průniku
Dostál, Michal ; Očenášek, Pavel (oponent) ; Hranický, Radek (vedoucí práce)
Aktuální stav nástrojů pro detekci síťového průniku je nedostačující, protože tyto nástroje často fungují na základě statických pravidel a nevyužívají potenciál umělé inteligence. Cílem této práce je rozšířit open-source nástroj Snort o schopnost detekovat škodlivý síťový provoz pomocí strojového učení. Pro dosažení kvalitního klasifikátoru byly zvoleny užitečné příznaky síťového toku, které byly získány z výstupních dat aplikace Snort. Následně byly tyto toky obohaceny a označeny odpovídajícími událostmi. Experimenty vykazují velmi dobré výsledky nejenom při klasifikaci na testovacích datech, ale také v rychlosti zpracování. Z~navrženého přístupu a samotných experimentů vyplývá, že tento nový přístup by mohl vykazovat dobrou úspěšnost i při práci s reálnými daty.
|
|
|
Detekce škodlivých domén na základě externích zdrojů dat
Horák, Adam ; Ryšavý, Ondřej (oponent) ; Hranický, Radek (vedoucí práce)
Práce se zabývá vývojem systému pro detekci škodlivých domén na základě analýzy externích zdrojů dat. Zkoumá vhodné seznamy domén pro tuto úlohu, dostupné zdroje dat o doménách a informace, které poskytují. V práci je provedena komplexní analýza metod výběru příznaků a vyhodnocena jejich účinnost při vytváření spolehlivého klasifikátoru. Výsledný model je efektivní a rychlý, což jej činí vhodným pro praktické použití. Z práce vyplývá, že navržený přístup představuje slibné řešení pro detekci škodlivých domén v reálných podmínkách.
|
|
|
Detekce QR kódů pomocí hlubokého učení
Černohous, Matěj ; Kříž, Petr (oponent) ; Přinosil, Jiří (vedoucí práce)
Tato bakalářská práce se zabývá návrhem algoritmu pro detekci a dekódování QR kódů v obrazech využitím technik hlubokého učení. V rámci práce byly zhotoveny 2 datové sady, model neuronové sítě YOLOv7 pro detekci QR kódu v obraze, model neuronové sítě YOLOv4-tiny pro detekci pozičních bodů QR kódu a program v jazyce Python využívající těchto modelů pro čtení QR kódů v obrazech. Pro vyhodnocení byl algoritmus porovnán s jinými řešeními čtení QR kódů.
|
|
|
Využití strojového učení k rozpoznání pohybu feederového prutu
Vele, Patrik ; Vašíček, Zdeněk (oponent) ; Šimek, Václav (vedoucí práce)
Cílem této diplomové práce je vytvořit zařízení, které využívá metody strojového učení k rozpoznávání pohybů feederového rybářského prutu na základě dat z inerciální měřící jednotky. Úvodní část je věnována rybolovné technice feeder, výběru důležitých pohybů a možnostem upevnění detekčního zařízení na prut. Následuje vytvoření teoretického základu v oblasti strojového učení, seznámení s inerciální měřicí jednotkou a problematikou klasifikace. Obdržené znalosti jsou použity k výběru vhodných technik pro řešení úlohy rozpoznávání pohybů prutu. V praktické části je navrženo a vytvořeno detekční zařízení založené na platformě ESP32. To je nejprve používáno jako snímač pohybu, který v kombinaci se zpracováním naměřených hodnot slouží jako generátor trénovací datové sady. Práce pokračuje implementací konvoluční neuronové sítě, procesem učení na vytvořené datové sadě a integrací nejúspěšnějšího modelu do detekčního zařízení. Závěr je věnován testování v praxi, vyhodnocení a možnostem budoucího vývoje. Výsledkem je malé, bateriově napájené zařízení, které po připevnění na libovolný feederový prut poskytuje vysoce úspěšnou detekci všech klíčových pohybů během lovu. Navíc díky bezdrátové komunikaci přes ESP-NOW umožňuje odesílat výsledky na různá zařízení.
|
|
|
Jednoduchý doporučovací systém
Gorčák, Damián ; Rychlý, Marek (oponent) ; Bartík, Vladimír (vedoucí práce)
Odporucacie systemy su velmi dolezite pri vyhladavani roznych poloziek napriec internetom. Existuje mnoho algoritmov pre vytvaranie odporuceni. Cielom tejto prace bolo najst vhodne datove sady a vytvorit aplikaciu, ktora ich dokaze spracovat. Nasledne porovnat datove sady spolu s vybranymi algoritmami odporucacich systemov.
|
|
|
Pokročilá analýza obrazu využitím hlubokých neuronových sítí
Hynek, Vojtěch ; Přinosil, Jiří (oponent) ; Kiac, Martin (vedoucí práce)
Tato bakalářská práce se zabývá problematikou detekce objektů v obraze s využitím konvoluční neuronové sítě. Výsledkem této práce je vlastní datová sada, model neuronové sítě YOLOv4 a skript sloužící pro zpracování výsledných dat modelu. Datová sada obsahuje 8080 snímků, na kterých je anotováno 14 objektů. Modelu neuronové sítě byla zmenšena jeho hloubka, díky které významně vzrostla rychlost samotné detekce. Skript zpracovávající výsledná data vypočítává 3D a GPS souřadnice detekovaného objektu v prostoru. V závěru práce jsou shrnuty výsledky modelu a současně je uvedeno, jakým způsobem by mohlo dojít ke zlepšení kvality datové sady.
|
|
|
Pokročilá analýza pohybujících se objektů v obraze
Medynskyi, Ivan ; Sikora, Pavel (oponent) ; Kiac, Martin (vedoucí práce)
Tato práce je zaměřena na zpracování obrazu pomocí knihovny OpenCV a detekci pohybujících se objektů ve videu s použitím konvolučních neuronových sítí. Výsledná aplikace umí detekovat pohybující se objekty z videa nebo v reálném čase a obsahuje uživatelské grafické rozhraní, pomocí kterého uživatel může jednoduše aplikaci ovládat. Součástí této aplikace je konvoluční model YOLO, který je určen k detekcí pohybujících se objektů.
|
host ::
RSS.