|
|
Hluboké neuronové sítě pro rozpoznání tváří ve videu
Stratil, Jan ; Sochor, Jakub (oponent) ; Hradiš, Michal (vedoucí práce)
Tato bakalářská práce se zabývá rozpoznáváním tváří ve videu pomocí hlubokých neuronových sítí. Tato úloha je rozdělena na 2 části. První část se zabývá trénováním sítě, která vytváří kompaktní příznakový vektor reprezentující identitu tváře ze snímku videa. Druhá část se zabývá trénováním agregační sítě, která vytvořené příznakové vektory agreguje v jeden. Tato agregace je rychlá a ukázala se být lepší než pooling metody. Výsledky jsou testovány na datasetu LFW , kde dosažená přesnost je 92.8% a na datasetu YTF , kde přesnost je 84.06%.
|
|
|
Face Recognition in Social Networks
Mach, Pavel ; Skopal, Tomáš (vedoucí práce) ; Kolomazník, Jan (oponent)
Rozpoznávání tváří je čím dál tím populárnější služba v různých obrázkových galeriích a sociálních sítích. Žádná z těchto reálných aplikací však neposkytuje uživateli možnost nastavení parametrů. Cílem této práce je vyvinout knihovnu pro detekci a rozpoznávání tváří kterou bude možno jednoduše použít v jiném programu a také webovou aplikaci rozpoznávající tváře, prostředím podobnou sociální síti, která bude tuto knihovnu využívat. Samozřejmě se nesnažíme konkurovat rozponávání tváří ve velkých sociálních sítích, mimo jiné proto, že to vzhledem k jejich obrovské databázi není dobře možné. V experimentální části práce se snažíme nalézt co nejvhodnější parametry, aby detekce i rozpoznávání byly co nejpřesnější.
|
|
|
Konvoluční neuronové sítě pro bezpečnostní aplikace
Kišš, Martin ; Hradiš, Michal (oponent) ; Smrž, Pavel (vedoucí práce)
Tato práce se zabývá návrhem a implementací aplikace pro rozpoznávání osob z bezpečnostní kamery. K rozpoznávání samostatného obličeje jsou zde použity konvoluční neuronové sítě, které vytváří reprezentaci daného obličeje, a algoritmus k-nejbližších sousedů, který slouží ke klasifikaci. K následnému rozpoznávání sekvence obličejů jsou zde implementovány tři algoritmy. Na testovacích datech dosahovala úspěšnost rozpoznávání až 75 %.
|
|
|
Čtečka obličejů
Bučko, Peter ; Juránek, Roman (oponent) ; Beran, Vítězslav (vedoucí práce)
Tato práce se zabývá strojovým rozpoznáváním tváří. Budou zde popsány metody Principal Components Analysis (PCA), Linear Discriminant Analysis (LDA) a Elastic Bunch Graph Matching (EBGM). Cílem této práce je vytvořit demonstrační aplikaci pro rozpoznávaní tváří. Dále také otestuji metody PCA a LDA, abych zjistil, jak jsou přesné a jak je ovlivňují změny parametrů, jako velikost databáze a počet obrazů na osobu.
|
|
|
Development of algorithms for digital real time image processing on a DSP Processor
Knapo, Peter ; Sajdl, Ondřej (oponent) ; Belgium, Jurgen Baert (MSc), KHBO (vedoucí práce)
Face recognition is a complex process that aims to recognize human faces in images or video sequences. Applications include surveillance and identification system, but face recognition is also invaluable in the research of computer vision and artificial intelligence. Face recognition systems are often based on either image analysis or neural networks. This work implements an algorithm based around the use of so-called eigenfaces. Eigenfaces are the result of a form of Principal Component Analysis (PCA), which extracts important facial features from the original image and is based on solving a linear matrix equation of the covariance matrix, eigenvalues and eigenvectors. A face that is to be recognized is thus projected onto the eigenspace; the results of that operation can be interpreted as the comparison of this face with an existing database of known faces. Before executing the actual recognition algorithm, faces need to be located inside the image and prepared (by doing normalization, lighting compensation and noise removal). Many algorithms exist, but this work uses a color based face detection algorithm, which is both fast and sufficient for this application. The face detection and recognition algorithms are implemented on a Blackfin ADSP-BF561 DSP processor from Analog Devices.
|
host ::
RSS.