|
|
Hluboké neuronové sítě v rozpoznávání obrazu
Kozel, Michal ; Španěl, Michal (oponent) ; Hradiš, Michal (vedoucí práce)
Neuronové sítě momentálně dosahují nejlepších výsledků při rozeznávání řeči, obrazu a i dalších klasifikačních úloh. Tato práce popisuje základní prvky a vlastnosti neuronových sítí a způsob jejich učení. Cílem této práce bylo rozšířit Caffe framework o nové metody učení a porovnat jejich výsledky pomocí experimentů na datasetu Cifar-10. Konkrétně RMSPROP a normalizovaný SGD
|
|
|
Podpora hry Krycí jména na mobilním telefonu s OS Android
Grossmann, Jan ; Fajčík, Martin (oponent) ; Smrž, Pavel (vedoucí práce)
Tato bakalářská práce se zabývá tvorbou aplikace pro podporu hraní společenské hry Krycí jména pro zařízení s operačním systémem Android. Aplikace pomáhá uživateli se strategií a usnadňuje rozhodování při podávání nápovědy. V práci nejprve probírám stávající řešení a jejich nedostatky. Na základě těchto poznatků rozebírám navržené řešení a poté i samotnou implementaci pomocí programovacího jazyka Java, do které patří uložení dat pomocí databázového systému nebo také rozpoznávání obrazu. Závěrem provádím a detailně popisuji uživatelské testování a důležité poznatky z něho vyplývající.
|
|
|
Automatický odhad nadmořské výšky z obrazu
Vašíček, Jan ; Kolář, Martin (oponent) ; Čadík, Martin (vedoucí práce)
Tato práce se zabývá automatickým odhadem nadmořské výšky kamery z obrazu. Úlohu jsem řešil pomocí konvolučních neuronových sítí, u nichž využívám schopnost učit se nové příznaky na základě trénovacích dat. Trénovací sada obrazů (dataset), která by obsahovala údaje o nadmořské výšce kamery, nebyla k dispozici a proto bylo nutné vytvořit dataset nový. Schopnosti člověka v dané úloze také nebyly dříve testovány, proto jsem provedl uživatelský experiment s cílem změřit průměrnou kvalitu lidského odhadu nadmořské výšky kamery. Výsledky experimentu, kterého se zúčastnilo 100 lidí ukazují, že člověk je schopen odhadnout nadmořskou výšku z obrazu s průměrnou chybou 879 m. Automatický systém založený na konvoluční neuronové síti dosahuje lepších výsledků než člověk. Průměrná chyba odhadu systému je 712 m. Navržený systém může kromě samotného odhadu nadmořské výšky z obrazových dat nalézt uplatnění také ve složitějších úlohách, jako je vizuální geolokalizace kamery.
|
|
|
Monitorování chodců pomocí dronu
Dušek, Vladimír ; Goldmann, Tomáš (oponent) ; Drahanský, Martin (vedoucí práce)
Tato práce se zabývá monitorováním lidí na videozáznamu pořízeným dronem. Detekce osob v obraze je realizována pomocí natrénovaného modelu detekční sítě RetinaNet. Každé detekované osobě je extrahován příznakový vektor pomocí barevných histogramů. Jednoznačná identifikace detekovaných osob je uskutečněna porovnáváním jejich příznakových vektorů s ohledem na jejich vzdálenost ve snímku. Nakonec je vykreslena trajektorie pohybů všech detekovaných osob do výsledného panoramatického obrázku. Úspěšnost detektoru na těžkých validačních datech je 58,6%. Chybovost je částečně vyřešena způsobem navrhnutí algoritmu pro vizualizaci trajektorií. Pro korektní vykreslení trajektorie osoby ji není nutné úspěšně detekovat v každém snímku. Zároveň statické objekty, kde je vysoká pravděpodobnost, že se nejedná o člověka, nejsou vizualizovány vůbec. Algoritmů zabývajících se detekcí lidí je velké množství, avšak přístupů zaměřených se na pohled z výšky je velmi poskromnu.
|
|
|
Automatic Forms Validation with RPA
Rákoczy, Filip ; Heriban, Pavel (oponent) ; Dobrovský, Ladislav (vedoucí práce)
The following text deals with the issue of automated testing of user interfaces of Windows applications. Specifically, this work proposes a standalone software solution written in Python that replaces the existing SikuliX software for testing user interfaces of electron microscopes at Thermofisher Scientific. This work discusses the benefits and implementation details of this new solution and suggests further possible ways to extend this software. The results are tested on various applications, including the xT microscope control application from Thermofisher scientific.
|
|
|
Mobilní aplikace pro automatický záznam šachové partie
Jiruška, Adam ; Bobák, Petr (oponent) ; Čadík, Martin (vedoucí práce)
Práce se zabývá tvorbou aplikace pro mobilní zařízení, která zaznamenává průběh šachové partie. K tomu využívá rozpoznávání obrazu z kamery zařízení, jež zpracovává. Šachové figurky jsou rozpoznávány pomocí neuronové sítě. Aplikace má využití v záznamu tréninkových nebo i soutěžních partií a jejich následné analýze. Pro analýzu poskytuje zápis partie ve standardní šachové notaci. K partiím si také hráči mohou dávat různé poznámky.
|
|
|
Vyhledávání zájmových objektů ve videu
Iakymets, Bohdan ; Zemčík, Pavel (oponent) ; Beran, Vítězslav (vedoucí práce)
Práce se zaměřuje na vytvoření mobilní aplikace, která bude pomáhat návštěvníkům galerií a muzeí snadněji obdržet informace o zajímavém objektu výtvarného umění. Aplikace zahrnuje práci s rozšířenou realitou. Mobilní aplikace slouží pro poskytovaní informace uživateli o zajímavém díle. Data pro všechny díla jsou ukládaný na straně serveru, který je také části projektu.
|
|
|
Automatic Trafic Scene Analysis Using Image Processing
Válek, Lukáš ; Špaňhel, Jakub (oponent) ; Zemčík, Pavel (vedoucí práce)
This thesis deals with the issue of scene analysis using computer vision methods. The aim of this work is to create a system capable of automatically detecting anomalies found in video recordings. The present thesis discusses object-detection and object-tracking systems. It also pursues graphical user interface and violation-detecting algorithm of user-defined rules. As a result of the present thesis, a web application is created that allows users to manage their videos, to define rules for scenes, to start the anomaly detection as well as display the results of the analysis. The system operates in real-time, notifies users when the operation is finished and stores the analysis results for further processing.
|
|
|
Určování počasí podle snímků oblaků
Kukaň, Tomáš ; Goldmann, Tomáš (oponent) ; Orság, Filip (vedoucí práce)
Hlavním cílem této práce bylo vytvořit aplikaci schopnou předpovědět nastávající počasí na základě fotografie oblak s využitím konvolučních neuronových sítí. V této práci jsou popsané kategorie oblak a jejich odpovídající předpověď. Dále zde jsou výsledky experimentů s různými architekturami sítí a datasetů s přihlédnutím na jejich úspěšnost v rozeznání typu oblak. Nakonec je tu krátce popsána tvorba finální aplikace a řešení problémů, kterým jsem čelil při její implementaci.
|
|
|
Monitorování chodců pomocí dronu
Dušek, Vladimír ; Goldmann, Tomáš (oponent) ; Drahanský, Martin (vedoucí práce)
Tato práce se zabývá monitorováním lidí na videozáznamu pořízeným dronem. Detekce osob v obraze je realizována pomocí natrénovaného modelu detekční sítě RetinaNet. Každé detekované osobě je extrahován příznakový vektor pomocí barevných histogramů. Jednoznačná identifikace detekovaných osob je uskutečněna porovnáváním jejich příznakových vektorů s ohledem na jejich vzdálenost ve snímku. Nakonec je vykreslena trajektorie pohybů všech detekovaných osob do výsledného panoramatického obrázku. Úspěšnost detektoru na těžkých validačních datech je 58,6%. Chybovost je částečně vyřešena způsobem navrhnutí algoritmu pro vizualizaci trajektorií. Pro korektní vykreslení trajektorie osoby ji není nutné úspěšně detekovat v každém snímku. Zároveň statické objekty, kde je vysoká pravděpodobnost, že se nejedná o člověka, nejsou vizualizovány vůbec. Algoritmů zabývajících se detekcí lidí je velké množství, avšak přístupů zaměřených se na pohled z výšky je velmi poskromnu.
|
host ::
RSS.