|
| |
|
| |
|
|
Klasifikace 3D objektů pomocí neuronových sítí
Krabec, Miroslav ; Křivánek, Jaroslav (vedoucí práce) ; Šikudová, Elena (oponent)
Klasifikace 3D objektů pomocí neuronových sítí Bc. Miroslav Krabec Klasifikace 3D objektů se setkává s velkým zájmem v oblasti umělé in- teligence. Existuje mnoho různých přístupů využívajících umělé neuronové sítě k řešení tohoto problému. Liší se hlavně reprezentací 3D modelů, kte- rou neuronové sítě přijímají jako vstup a také svou architekturou. Cílem této práce je prozkoumání a otestování těchto přístupů na veřejně dostupných da- tasetech a jejich podrobení nezávislému srovnání, které se dosud v literatuře neobjevilo. Vytvořili jsme sjednocený framework umožňující převádění dat z běžných 3D formátů. Natrénovali a otestovali jsme deset různých sítí na dvou datasetech (ModelNet40 a ShapeNetCore). Všechny testované sítě podali ro- zumně dobrý výkon, ale většinou nedosáhli přesností (accuracy) uvedených v původních článcích. Domníváme se, že je to způsobeno značným, ale ne- popsaným laděním hyperparametrů na straně autorů původních článků, což naznačuje směr dalšího výzkumu. 1
|
|
|
Automatické třídění fotografií podle obsahu
Gajová, Veronika ; Hradiš, Michal (oponent) ; Španěl, Michal (vedoucí práce)
Hlavním cílem práce je návrh a implementace klasifikačního nástroje pro účely automatické organizace fotografií, založeného na metodě Bag of Words. Nástroj je implementován jako XnView zásuvný modul, který klasifikuje vybrané fotografie a zapisuje název nejlépe ohodnocené kategorie jako klíčové slovo do IPTC metadat obrazového souboru.
|
|
|
Segmentační metody ve zpracování biomedicínských obrazů
Mikulka, Jan ; Přibil, Jiří (oponent) ; Dostál, Otto (oponent) ; Gescheidtová, Eva (vedoucí práce)
Disertační práce pojednává o moderních metodách a přístupech ke zpracování obrazů, konkrétně k jejich segmentaci, klasifikaci a vyhodnocování parametrů. Jedná se především o zpracování medicínských snímků měkkých tkání pořízených metodou magnetické rezonance (MR) a dále mikroskopických obrazů tkání. Ze segmentovaných obrazů lze jednoduše popsat hranice hledaných objektů. Tyto nalezené hranice mohou sloužit k dalšímu zpracování jako výpočet obvodů, obsahů, povrchů, objemů nebo dokonce k trojrozměrné rekonstrukci zobrazovaného objektu. Popsaná navržená řešení lze použít pro klasifikaci zdravých či postižených tkání snímaných metodami MR či jinými. V disertační práci jsou uvedeny příklady aplikací, ve kterých byly navržené segmentační metody použity. V oblasti segmentace obrazů se práce zaměřuje na metody založené na řešení parciálních diferenciálních rovnic. Jedná se o moderní přístupy zpracování obrazů, zvané též aktivní kontury. Tento přístup ke zpracování obrazů je velmi výhodný u segmentace reálného obrazu, který je zatížený šumem, má neostré hrany a přechody mezi objekty. Výsledkem disertační práce jsou navržené metody pro automatickou segmentaci obrazů a klasifikaci objektů.
|
|
|
Statistická analýza ROC křivek
Kutálek, David ; Bednář, Josef (oponent) ; Michálek, Jaroslav (vedoucí práce)
ROC křivka (z anglického Receiver Operating Characteristic curve) je zobrazení dvou různých distribučních funkcí F0 a F1, kde na osy se vynáší hodnoty 1-F0(c) a 1-F1(c). Parametr c je reálné číslo. Takto sestrojená křivka se v poslední době často využívá k posouzení kvality diskriminačního pravidla pro zařazení objektu do jedné ze dvou tříd. Jako kritérium pak slouží velikost plochy pod ROC křivkou. V reálných úlohách se pak uplatňují metody bodových a intervalových odhadů ROC křivek a testování statistických hypotéz o ROC křivkách.
|
host ::
RSS.