|
|
Image database expansion tool
Minařík, Jakub ; Honec, Peter (referee) ; Janáková, Ilona (advisor)
This thesis devotes to create a tool for expansion of image dataset. Thesis deals with theory of image processing and existing tools and the approaches in this field. From this teory, individual methods are designed and implemented. Futhermore, these methods are provided by user interface and batch start of altering images. At the end restrictive conditions of program are described.
|
|
|
Image-Based Clustering of Microbial Colonies
Láncoš, Jan ; Kišš, Martin (referee) ; Beneš, Karel (advisor)
Laboratorní analýza mikrobiálních kolonií pěstovaných na Petriho miskách je v současné době předmětem intenzivního výzkumu ve snaze o dosažení totální laboratorní automatizace. Jádro tohoto problému spočívá v přesné lokalizaci kolonií při obrazové analýze. Současná řešení nejčastěji využívají strojové učení, které je však obecně závislé na kvalitních datech, kterých je v tomto odvětví k dispozici jen velmi málo. Abych adresoval tento problém, vytvořil jsem víceúčelový generátor syntetických dat. Úspěšně jsem jej aplikoval jak při segmentaci tak při shlukování kolonií. Výsledné segmentační F1 skóre se mi podařilo navýšit z 0,518 na 0,729 a při shlukování jsem s využitím této segmentace dosáhl V-measure skóre 0,830. Prací navržený přístup ke generování syntetických dat nás posouvá o krok blíže k plné laboratorní automatizaci.
|
|
|
Data Sets for Network Security
Setinský, Jiří ; Hranický, Radek (referee) ; Tisovčík, Peter (advisor)
In network security, machine learning techniques are used to effectively detect anomalies and malware in network traffic. A quality dataset is needed to train a network classifier with high accuracy. The aim of this paper is to modify the dataset using machine learning techniques to improve the quality of the dataset which will lead to training the model with a higher accuracy. The dataset is analyzed by a clustering algorithm and each cluster is characterized by a statistical description resulting from the attributes of the input dataset. The statistical description along with the information of the original classifier is used to compute the score. The score serves as a weight in the modification phase. Cluster analysis allows to filter out the data that are important for training the final model. The proposed approach allows us to mitigate the redundancy of the dataset or to augment it with missing data. The result is a modification framework that is able to reduce the datasets or perform their aggregation in order to create a compact dataset that reflects the actual network traffic. Models were trained on the created datasets and achieved higher accuracy compared to the existing solution.
|
|
|
Keyboard and Keys Image Recognition
Lorenc, Jan ; Lichtner, Ondrej (referee) ; Pluskal, Jan (advisor)
Cílem práce je vytvoření řešení pro rozpoznání kláves na klávesnici za účelem automatizace robotického psaní na klávesnici. V rámci práce jsou vytvořeny datasety pro detekci klávesnice v obraze, rozpoznání znaků v obraze a dodatečnou korekci detekovaných znaků na základě různých rozložení klávesnic. Práce předkládá různé přístupy k řešení problému rozpoznání znaků na klávesnici a vybírá ten nejvhodnější. Navržený postup je rozdělen do 3 fází, kterým odpovídají připravené datasety. Pomocí neuronových sítí a Cannyho metody detekce hran se nejprve rozpozná klávesnice v obraze a následně se v nalezené klávesnici detekují jednotlivé znaky. V poslední fázi dochází k dodatečnému zpracování výsledků (oprava znaků, doplnění nerozpoznaných znaků, nalezení speciálních kláves apod.). Pro každou část jsou vyhodnoceny výsledky. Přínos práce spočívá ve vytvoření datasetů pro detekci klávesnice a jejích kláves a především modulárního a rozšiřitelného řešení pro detekční proces se slibnými výsledky.
|
|
|
Automatic Speech Detection for VHF Channel
Nováková, Mária ; Veselý, Karel (referee) ; Szőke, Igor (advisor)
Výskyt hluku a šumu v pozadí audio leteckej komunikácie je problémom, ktorému denne čelia operanti riadenia letovej prevádzky. Aby bola zaistená bezpečná letecká preprava, komunikácia medzi vežou a lietatlom musí byť čo najefektívnejšia. Hlavnú rolu vo vylepšovaní kvality komunikácie hrá detekcia hlasovej aktivity. Správna detekcia reči je nevyhnutá pre rozpoznanie začiatku komunikácie pre systémy. Začiatok komunikácie začína stlačením tlačítka push-to-talk pomocou rádiového systému. Na rozpoznávanie reči existujú rôzne prístupy a implementácie. Za pomoci neurónových sietí sa dá detekcia reči upresniť. Výhodou používania umelej inteligencie je jej adaptácia na nové podnety. Táto práca ponúka riešenie na detekciu reči a push-to-talk udalostí v leteckej komunikácií. Navrhnuté riešenia budú evaluované a porovnané. Na záver, dostupná implementácia GPVAD je prepracovaná na riešenie tohto problému. Strojové učenie má zas a znova príležitosť predviesť svoje schopnosti.
|
|
|
Dataset augmentation with style transfer methods
Wolny, Michał ; Ligocki, Adam (referee) ; Kratochvíla, Lukáš (advisor)
This bachelor's thesis focuses on the research of dataset augmentation and style transfer methods. From the range of available style transfer algorithms, three very different methods were selected, implemented and then experimentally used for dataset augmentation. The effectiveness of augmentation using these methods was verified by performing a statistical analysis of each newly created dataset compared to the original, unmodified dataset. The results of the analysis provide important information about changes in statistical characteristics such as entropy, mean, median, variance, and standard deviation. This information helped to evaluate the effectiveness and impact of the augmentation methods used on the augmented dataset and provide evidence of their potential.
|
|
|
Imbalanced data training approaches in neural network
Vicianová, Veronika ; Ředina, Richard (referee) ; Jakubíček, Roman (advisor)
This thesis deals with the research and implementation of methods that eliminate the influence of an imbalanced dataset on the learning of neural networks. Individual methods are compared with each other for different levels of imbalance. The experiments carried out in the work are also compared with the available literature and a control experiment, which was carried out without the method of eliminating the influence of an imbalanced dataset. The experiments are extended to another dataset containing the original imbalance and compared. In the theoretical section, the topic of neural networks and the problems that may occur during learning are brought up. Subsequently, convolutional networks and their optimization algorithms are presented. The thesis also contains a more detailed presentation of the issue of an imbalanced dataset, including the metrics used in experiments and approaches used to eliminate this problem.
|
|
|
Research of the new augmentation methods for online handwriting
Sigmund, Jan ; Burget, Radim (referee) ; Zvončák, Vojtěch (advisor)
Graphomotor difficulties of school-aged children are characterised by problems in handwriting and drawing and can lead to developmental dysgraphia. Timely clinical diagnosis is critical to provide preventive care. In practice however, it is not feasible on day-to-day basis due to the need for expert staff and the prevalence of difficulties up to 30\%. Machine learning models can serve as an accessible objective tool for evaluating graphomotor functioning. In most cases there is not enough data collected, which results in poor classification performance. Therefore, this thesis focuses on data augmentation of online handwriting. Generating artificial samples is based on recombination of intrinsic mode functions, obtained by empirical mode decomposition. IMFs of health controls, numbering 72, and with graphomotor difficulties, 94 children in total, are calculated. The decomposition is performed specifically on X and Y coordinate time series. IMFs of the same indices of different subjects are randomly interchanged, thus producing a new signal. Then, the graphomotor features of the original and artificial time series are extracted. Only the spatial ones related to the coordinates are selected. Finally, the correlations of the features of the two databases will be analyzed and compared.
|
|
|
Algorithms for improving the detection of selected cardiac arrhythmias
Šandová, Hana ; Ředina, Richard (referee) ; Novotná, Petra (advisor)
The work deals with the generation of ECG arrhythmias that are underrepresented in databases. The theoretical part of the thesis is devoted to a literature search of academic publications that deal with the classification of arrhythmia by using deep learning and data augmentation metod for ECG. The practical part of the thesis deals with noise generator, because adding noise to signals could make the dataset richer. Functions for augmentation of atrial flutter and 3rd and 2nd atrioventricular block were created. It has been tried generation of 2nd atrioventricular block using generative adversarial networks (GAN). Deep learning-based ECG classifiers were used for evaluating the efficiency of the proposed technique in generating synthetic ECG data.
|
|
|
Pedestrian Detector Domain Shift Robustness Evaluation, And Domain Shift Error Mitigation Proposal
Zemčík, Tomáš
This paper evaluates daytime to nighttime traffic image domain shift on Faster R-CNNand SSD based pedestrian and cyclist detectors. Daytime image trained detectors are applied on anewly compiled nighttime image dataset and their performance is evaluated against detectors trainedon both daytime and nighttime images. Faster R-CNN based detectors proved relatively robust, butstill clearly inferior to the models trained on nighttime images, the SSD based model proved noncompetitive.Approaches to the domain shift deterioration mitigation were proposed and future workoutlined.
|
guest ::
