|
|
Detekce a rozpoznávaní tváře s využitím platformy Raspberry Pi
Rozhoňová, Andrea ; Mézl, Martin (oponent) ; Hesko, Branislav (vedoucí práce)
Následující bakalářská práce se věnuje problematice detekce a rozpoznání tváří v obraze. Teoretická část rozděluje metody detekce a rozpoznání obličeje do několika skupin, které jsou poté blíže popsány a vysvětleny. Na konci teoretické části je shrnuto současné využití rozpoznání osob na základě tváří v praxi. V praktické části je implementovaná metoda detekce obličeje jako kombinace přístupu, který využívá haarovy příznaky a přístupu s vyhledáváním pomocí šablony oka. Následné rozpoznání zajišťuje konvoluční neuronová síť. Závěrem jsou shrnuty zásady a problémy spojené s implementací na mikropočítač Raspberry Pi.
|
|
| |
|
|
Oceňování a vykazování nehmotných aktiv při akvizici v rozsahu IFRS
Sagokon, Evgeniya ; Vašek, Libor (vedoucí práce) ; Zelenka, Vladimír (oponent)
Tato diplomová práce pojednává o specifikách ocenění a výkaznictví nehmotných aktiv pořízených formou akvizic dle IFRS. Práce je taky věnována specifikám nehmotných aktiv, ze kterých vyplývá důležitost a náročnost standardizace procesů jejich účetního zachycení. Cílem práce je propojení oceňovacích a účetních standardů, které se týkají nehmotných aktiv, a to zvláště při akvizicích. Praktická část má za cíl prozkoumat, jak probíhá zachycení pořízení nehmotných aktiv formou akvizice a jejich následné vykazování.
|
|
|
Vztah mezi prasnicí a selaty - jak selata rozpoznávají hlas matky
Zátková, Marcela ; Chaloupková, Helena (vedoucí práce) ; Hradec, Michal (oponent)
Schopnost rozpoznávat hlas matky je pro mláďata u řady druhů zvířat životně důležitá.
Obsahem bakalářské práce je shrnutí současných znalostí mateřského chování u prasete domácího, se zaměřením na jeho důležitou prerekvizitu, a to vzájemné rozpoznávání matky a selat. Jako velmi vhodný modelový druh, je vybráno prase domácí (Sus scrofa domestika), jehož mateřské chování nezměnilo příliš hlavní rysy, ani domestikací, ani intenzivními podmínkami chovu. Mateřské chování prasnice, respektive kojící chování, musí dokázat předejít monopolizaci zdrojů silnějšími selaty. K tomu využívá prasnice několik zajímavých způsobů, poměrně dlouhou masáž vemene, lákání selat vokalizací, avizování ejekce mléka a krátkou dobu ejekce. Kojící chování je navíc komplexem mnoha speciálních znaků, synchronizace kojení, kojení bez ejekce mléka, potenciál pro allo sucking, speciální iniciace a terminace, parent offspring konflikt, účast akustické, čichové i taktilní komunikace. Prase patří mezi druhy, pro které je nutná v rámci sociální skupiny silně rozvinutá komunikace, navíc se jedná o silně rozvinutou komunikaci hlasovou. Je samozřejmé, že v rámci komunikace je nutné vzájemné rozpoznání členů skupiny, s velkým významem právě rozpoznávání mezi matkou a mláďaty. Rozpoznání je možno zkoumat těmito metodami. 1) Pozorování, poslech a porovnávání spektrogramů, metoda ale nepřináší objektivní výsledky. 2) Playbackové experimenty, metody habituace, preferenční a srovnávací. 3) Vyhodnocování parametrů pro rozpoznávání pomocí diskriminační funkční analýzy. Předpokládá se, že sele by mělo dokázat identifikovat svoji matku co nejdříve. Prasnice pak svoje selata po jejím návratu do skupiny. Výsledky studií prezentované v této práci tyto předpoklady potvrzují. Bylo prokázáno, že selata 36 hodin stará a starší, dokáží identifikovat matku podle hlasu. Matky jsou schopné brzy po porodu rozlišit vlastní selata od cizích na základě pachu, ale identifikace na základě hlasových signálů se zřejmě objevuje později, kolem desátého dne věku selat, ale není výrazná. Další výsledky prací citované v bakalářské práci potvrzují, že hlasy prasnic i selat nesou potenciální informaci o identitě.
|
|
|
Identifikace objektů v obraze
Štěpán, Filip ; Malach, Tobiáš (oponent) ; Boleček, Libor (vedoucí práce)
Cílem práce je vytvoření algoritmu pro identifikaci objektu v obraze. Výsledný program bude schopen zpracovat reálná obrazová data. Z tohoto důvodu je důraz kladen zejména na složitost prostředí, ve kterém se objekty nalézají, spolehlivou segmentaci a kvalitní identifikaci objektu. Práce je zaměřena na detekci a identifikaci svislého dopravního značení v obraze, nacházejícího se podél silničních komunikací na území České republiky.
|
|
|
Detekce a rozpoznání maticového kódu v reálném čase
Dobrovolný, Martin ; Juránková, Markéta (oponent) ; Herout, Adam (vedoucí práce)
Tato práce se zabývá detekcí a rozpoznáním maticových kódů. Experimentuje s využitím PCLines algoritmu. PCLines využívá Houghovu transformaci a paralelní souřadnice pro rychlé hledání přímek v obraze. Navrhovaný algoritmus pomocí dvojitého použití PCLines detekuje sady rovnoběžek a cross-ratio rovnicí řeší problémy obrazu zkresleného paralelní projekcí. Dále popisuje optimalizace pro běh v reálném čase a experimentální implementaci. Výsledky testů ukazují, že využití PCLines je jednou z možných cest k detekci maticových kódů.
|
|
|
Automatická anotace obrazu
Hegmon, Jiří ; Karásek, Jan (oponent) ; Burget, Radim (vedoucí práce)
Rozeznávání a porovnávání obrazu je jedním z hlavních problémů a okruhů oboru počitačového vidění. Tato práce k těmto dvěma problémům připojuje třetí, rozpoznání semantiky, významu obrazu, tzv. anotaci nebo label. Práce využívá znalosti metod rozpoznávání podobnosti obrazů k vytvoření nástroje, který je schopen na základě trénovací množiny obrazů a anotací vytvořit skupinu nejpravděpodobnějších anotací pro danou testovací množinu obrazů. Tato práce představuje několik druhů testovacích množin vhodných pro rozpoznávání anotačních informací u obrazů. Následně je vybrána nejvhodnější množina s potřebnou velikostí trénovací množiny a dostatkem informací v anotacích. Na základě této trénovací množiny je navrhnut algoritmus pro snadné načtení testovací množiny bez velkých nároků na výkon počítače. Vyhodnocení anotačních informací testovací množiny je prováděno na základě různých podobnostních algoritmů. Na počátku této práce byly použity jednoduché, ale nepříliš efektivní metody MSE a porovnání barevných histogramů, postupně bylo ale nutno přejít k použítí náročnějších metod (jako je například Tamura, Gabor, CEDD nebo různé druhy hostistogramů). Výsledky tohoto porovnání jsou nakonec brány pro vyhodnocení pravděpodobnosti výskytu dané anotace pro daný obrázek určené testovací množiny. Na závěr práce je provedeno vyhodnocení přesnosti určení anotace na základě informací z použitých trénovacích množin.
|
|
|
Metody detekce a rozpoznání obličeje v obrazu
Zbranek, Miroslav ; Horák, Karel (oponent) ; Honec, Peter (vedoucí práce)
Cílem této diplomové práce je prostudování metod pro detekci a rozpoznání obličeje v obrazu. Na základě prostudování odborné literatury bude zvolena metoda pro detekci obličeje a metoda pro rozpoznání obličeje. Obě metody budou implementovány za pomoci knihovny OpenCV a programovacího jazyku C/C++. Výsledkem práce je vytvoření grafického rozhraní, které využívá naprogramovaných funkcí pro detekci a rozpoznání obličeje jak z obrazu tak i kamery.
|
|
|
Rozpoznání paralingvistických signálů v řečovém projevu
Mašek, Jan ; Míča, Ivan (oponent) ; Atassi, Hicham (vedoucí práce)
Tento dokument popisuje tři metody pro klasifikaci paralingvistických výrazů jako smích a pláč z každodenních rozhovorů analýzou zvukového signálu. Pro tento účel byla vytvořena databáze nahrávek. Protože se dnes často setkáváme i s hudbou, byly do databáze začleněny i stavy: řeč, hudba, hudba se zpěvem a řeč s hudbou v pozadí. Extrakce příznaků, redukce příznaků a klasifikace jsou společné kroky v rozpoznání pro všechny tři popsané metody. Rozdíl metod spočívá v samotné klasifikaci. První metoda využívá přímého přístupu a klasifikuje všechny třídy najednou. Druhá metoda využívá postupnou klasifikaci ve stromové struktuře, která se skládá z pěti dílčích klasifikátorů. Poslední metoda využívá klasifikaci každé z dvojic tříd samostatně. Nejlepší příznaky pro každou z dílčích klasifikací byly identifikovány využitím statistické metody F-poměru a pro každou klasifikaci byly použity Gaussovy smíšené modely.
|
|
|
Systém pro rozpoznávání tišteného písma
HANZLÍK, Ondřej
Práce se zabývá návrhem systému pro rozpoznání tišteného textu (OCR), který pro rozpoznávání písmen používá neuronovou sít. Neuronová sít je implementována za pomoci programu RapidMiner. Pro rízení neuronové síte jsou použity procesy vytvorené programem RapidMiner. Tyto procesy jsou spoušteny prímo z java aplikace. RapidMiner je implementován do java aplikace a za pomoci jeho knihoven je z java aplikace prímo spoušten.
|
host ::
RSS.