|
| |
|
|
Detekce a klasifikace objektů zájmu zalévacího robotu zpracováním obrazu
Sladký, Jiří ; Šnajder, Jan (oponent) ; Krejsa, Jiří (vedoucí práce)
Tato práce se zabývá obrazovým zpracováním na autonomním zaléváním mobilním robotu s využitím embedded počítače NVIDIA Jetson Nano. Vybrána a aplikována byla metoda pro detekci objektů YOLOv5, která sloužila k detekci květin a květináčů. Pomocí metody pro monokulární predikci MiDaS byla predikována relativní hloubková mapa. Vytvořen byl algoritmus, který pomocí dat z LiDARu převedl tuto mapu na metrickou. Díky tomu mohla být určena vzdálenost detekovaných květin. Vytvořené nástroje byly implementovány v prostředí ROS a otestovány na reálných datech z vnitřního prostředí.
|
|
|
Model hlubokého učení vhodný pro vizuální detekci a klasifikaci obecného objektu z průmyslu
Dočkal, Radim ; Honec, Peter (oponent) ; Kratochvíla, Lukáš (vedoucí práce)
Cílem této bakalářské práce je naprogramovat model hlubokého učení pro vizuální detekci a klasifikaci obecného objektu z průmyslu. Práce je rozdělena do pěti kapitol. První kapitola se zabývá rešerší nejpoužívanějších architektur tohoto typu. Druhá kapitola se zabývá výběrem nejvhodnější architektury pro použití v průmyslu. Ve třetí kapitole je popsán postup vytváření vlastního datasetu. Ve čtvrté kapitole je pak popsán celý proces samotné implementace modelu tak, aby každá dílčí část architektury byla dostatečně vysvětlena a v páté kapitole jsou popsány výsledky. Shrnutí výsledků a doporučené procedury pro případnou implementaci v reálném prostředí jsou k nalezení v závěru této práce.
|
|
|
Detekce dopravních značek v obraze a videu
Kočica, Filip ; Hradiš, Michal (oponent) ; Herout, Adam (vedoucí práce)
Tato práce řeší problematiku detekce dopravního značení za pomoci moderních technik zpracování obrazu. K řešení byla použita speciální architektura hluboké konvoluční neuronové sítě zvaná YOLO, tedy You Only Look Once, která řeší detekci i klasifikaci objektů v jednom kroce, což celý proces značně urychluje. Práce pojednává také o porovnání úspěšnosti modelů trénovaných na reálných a syntetických datových sadách. Podařilo se dosáhnout úspěšnosti 63.4% mAP při použití modelu trénovaného na reálných datech a úspěšnosti 82.3% mAP při použití modelu trénovaného na datech syntetických. Vyhodnocení jednoho snímku trvá na průměrně výkonném grafickém čipu ~40.4ms a na nadprůměrně výkonném čipu ~3.9ms. Přínosem této práce je skutečnost, že model neuronové sítě trénovaný na syntetických datech může za určitých podmínek dosahovat podobných či lepších výsledků, než model trénovaný na reálných datech. To může usnadnit proces tvorby detektoru o nutnost anotovat velké množství obrázků.
|
|
|
Deep-learning-based pattern detection in medical images
Koščová, Zuzana ; Vičar, Tomáš (oponent) ; Jakubíček, Roman (vedoucí práce)
This Bachelor thesis deals with Deep-learning-based pattern detection in medical images. For better understanding of a subject artificial neural network and convolutional neural network (CNN) are described at first. Next chapter is focused on specific detection methods which use CNN. Within a bachelor thesis a dataset of abdominal CT a MRI scans was created. Faster R-CNN and YOLO algorithms were trained and tested on acquired scans for liver detection. Implementation of chosen methods took place in Python programming language using the Pytorch library. Finally, detection results and possible use in medicine are discussed.
|
|
|
Tracking People in Video Captured from a Drone
Lukáč, Jakub ; Orság, Filip (oponent) ; Goldmann, Tomáš (vedoucí práce)
This thesis deals with the problem of determining the location of a person and its approximation. The location is derived from video which is captured using a drone. The goal here is to propose and test existing solutions and state-of-the-art algorithms for each encountered subproblem. This means overcoming challenges such as object detection, re-identification of persons in time, estimating object distance from camera and processing data from various sensors. Then, I am using the methods to design the final solution which can operate in nearly real-time. Implementation is based on the use of Intel NCS accelerator unit with the cooperation of small computer Raspberry Pi. Therefore, the setup may be easily mounted directly to a drone. The resulting application can generate tracking metadata for detected individuals in the recording. Afterwards, the positions are visualised as paths for better end-user presentation.
|
|
|
Sestavení a vytvoření úloh pro interaktivní robotickou hlavu
Szabó, Michal ; Formánek, Martin (oponent) ; Bastl, Michal (vedoucí práce)
Táto bakalárska práca sa zaoberá vytvorením modelu interaktívnej robotickej hlavy. Samotná práca je rozdelená do dvoch častí, teoretickej a praktickej. Teoretická časť je venovaná prehľadu typov robotických hláv, stručnému opisu dostupných nástrojov na rozpoznávanie objektov v obraze a nástrojov na rozpoznávanie hovorenej reči v reálnom čase. Praktická časť je zameraná na nástroje použité pri programovaní daného modelu, na použitú elektroniku a výsledný model robotickej hlavy. Napokon sú v nej opísané naprogramované funkcie umožňujúce rôzne spôsoby interakcie s človekom. Súčasťou práce sú skripty funkcií naprogramované v jazyku Python.
|
|
|
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.
|
|
|
Detekce dopravních značek a semaforů
Chocholatý, Tomáš ; Bartl, Vojtěch (oponent) ; Herout, Adam (vedoucí práce)
Práce se zabývá detekcí dopravních značek a semaforů v obraze s využitím konvolučních neuronových sítí. Cílem je vytvoření vhodného detektoru pro detekci a rozpoznání dopravního značení v reálném provozu. Za účelem trénování konvolučních neuronových sítí byly vytvořeny vhodné datové sady, které se skládají ze syntetické i reálné datové sady. Pro syntetickou datovou sadu byl vytvořen generátor, který simuluje různé deformace značek. Vyhodnocení kvality detekce je prováděno pomocí vlastního programu pro kvantitativní vyhodnocování. Podařilo se dosáhnout úspěšnosti 84\% detekovaných značek nad vlastní testovací datovou sadou. Výsledky umožňují zjistit důležitost zastoupení reálné či syntetické datové sady v trénovací sadě a vliv jednotlivých deformací syntetické datové sady na konečnou kvalitu detekce.
|
|
|
Detekce kvádrů-krabic v obraze
Soroka, Matej ; Zlámal, Adam (oponent) ; Herout, Adam (vedoucí práce)
Cieľom tejto práce je experimentovať a vyhodnotiť algoritmy s rôznymi prístupmi počítačového videnia s cieľom automatickej detekcie krabíc-kvádrov v obraze. Za týmto cieľom boli v riešení použité prístupy založené na neurónových sieťach. V práci boli prevedené experimenty s klasifikáciou pomocou vlastnej dátovej sady, klasifikáciou s využitím vlastnej konvolučnej neurónovej siete, detekciou pomocou pouvného okna, detektora YOLO a v konečnej iterácií využitie siete U-net pre detekciu krabíc v obraze.
|
host ::
RSS.