|
|
Using machine learning for quality control in industrial applications
Gaško, Viktor ; Dobrovský, Ladislav (referee) ; Parák, Roman (advisor)
Goal of this bachelor´s thesis is to get acquainted with issue of quality control in industrial applications with focus on deep learning. For this and similar issues was created several libraries which have a purpose of simplifying these issues. Main task is to create program for quality control with help of programming language Python and framework Tensorflow. This program will be comprised of three neural network, from which one will identify the approximate position of the part, second its color, and third will check the correctness of its production.
|
|
|
Trainable image segmentation using deep neural networks
Majtán, Martin ; Burget, Radim (referee) ; Harár, Pavol (advisor)
Diploma thesis is aimed to trainable image segmentation using deep neural networks. In the paper is explained the principle of digital image processing and image segmentation. In the paper is also explained the principle of artificial neural network, model of artificial neuron, training and activation of artificial neural network. In practical part of the paper is created an algorithm of sliding window to generate sub-images from image from magnetic rezonance. Generated sub-images are used to train, test and validate of the model of neural network. In practical part of the paper si created the model of the artificial neural network, which is used to trainable image segmentation. Model of the neural network is created using the Deeplearning4j library and it is optimized to parallel training using Spark library.
|
|
|
Interconnection of Restricted Boltzmann machine method with statistical physics and its implementation in the processing of spectroscopic data
Vrábel, Jakub ; Hrdlička, Aleš (referee) ; Pořízka, Pavel (advisor)
Práca sa zaoberá spojeniami medzi štatistickou fyzikou a strojovým učením s dôrazom na základné princípy a ich dôsledky. Ďalej sa venuje obecným vlastnostiam spektroskopických dát a ich zohľadnení pri pokročilom spracovaní dát. Začiatok práce je venovaný odvodeniu partičnej sumy štatistického systému a štúdiu Isingovho modelu pomocou "mean field" prístupu. Následne, popri základnom úvode do strojového učenia, je ukázaná ekvivalencia medzi Isingovým modelom a Hopfieldovou sieťou - modelom strojového učenia. Na konci teoretickej časti je z Hopfieldovej siete odvodený model Restricted Boltzmann Machine (RBM). Vhodnosť použitia RBM na spracovanie spektroskopických dát je diskutovaná a preukázaná na znížení dimenzie týchto dát. Výsledky sú porovnané s bežne používanou Metódou Hlavných Komponent (PCA), spolu so zhodnotením prístupu a možnosťami ďalšieho zlepšovania.
|
|
|
Development of correlation rules for detecting cyber attacks
Dzadíková, Slavomíra ; Safonov, Yehor (referee) ; Martinásek, Zdeněk (advisor)
The diploma thesis deals with the problem of efficient processing of log records and their subsequent analysis using correlation rules. The goal of the thesis was to implement log processing in a structured form, extract individual log fields using a natural language processing model by solving a question answering problem, and develop correlation rules for detecting malicious behavior. Two datasets were produced during the task solution, one with records from Windows devices, and the other containing records from the Fortigate firewall. Pre-trained models based on the BERT and XLNet architecture were created and trained to solve the log parsing problem using the produced datasets, and the results were analyzed and compared. The second part of the thesis was devoted to the development of correlation rules, where the concept of a generic Sigma notation was investigated. It was developed, successfully tested and deployed six correlation rules into own experimental environment in Elastic Stack system. Each rule is also described by tactics, techniques and sub-techniques of the MITRE ATT&CK framework.
|
|
|
Deep Learning for Image Stitching
Držíková, Diana Maxima ; Vaško, Marek (referee) ; Španěl, Michal (advisor)
Zošívanie obrázkov nie je taký neznámy pojem ako sa na prvý pohľad môže zdať. Určite každý bežný používateľ technológií sa už zozámil s pojmom panoramatický obrázok. V pozadí na zariadení sa prekrývajúce sa obrázky zošívajú a tým vzniká vysoko kvalitný obrázok. Na to aby tento proces fungoval, existujúce algorimy musia spoľahlivo a presne detekovať zaujímavé body, podľa ktorých sa dokáže obrázok správne umiesniť. V tejto práci budú predstavené tradičné metódy na zošívanie obrázkov a taktiež aj metódy s pomocou hlbokých neurónových sietí. Hlavné dva modely, ktoré budú opísane a použíté sú implementácie SuperPoint a SuperGlue. Implementácia bude adaptovaná na párovací systém pre viac ako dva obrázky. Ostatné experimenty, ktoré boli vyskúšané a dopomohli k pochopeniu tejto problematiky budú opísane a vyhodnotené.
|
|
|
Convolutional Neural Networks
Lietavcová, Zuzana ; Zbořil, František (referee) ; Zbořil, František (advisor)
This thesis deals with convolutional neural networks. It is a kind of deep neural networks that are presently widely used mainly for image recognition and natural language processing. The thesis describes specifics of convolutional neural networks in comparison with traditional neural networks and is focused on inner computations in the process of learning. Convolutional neural networks typically consist of a different types of layers of neurons and the core part of this thesis is to demonstrate computations of individual types of layers. Learning demonstrating program of a simple convolutional network was designed and implemented using own implementation of neural network. Validity of the implementation was tested by training models for solving a classification task. Experiments with different types of architectures were conducted and their performance was compared.
|
|
|
Landmark Detection in Medical Images Using Deep Neural Networks
Škandera, Juraj ; Španěl, Michal (referee) ; Kodym, Oldřich (advisor)
This thesis deals with detection of anatomical landmarks from cephalometric X-ray images using convolutional neural networks. Program works with public available dataset, which consists of side X-ray images of skull. There are two architectures of convolutional neural networks proposed in this thesis. The best architecture achieves accuracy of 73.22% for detection within 5 mm. Program is created in Python language with use of Tensorflow framework.
|
|
|
Microstructural classification of multiphase steels by advanced microscopy and image analysis techniques
Jozefovič, Patrik ; Materna, Jiří (referee) ; Mikmeková, Šárka (advisor)
Austenitické nerezové ocele si vďaka svojim charakteristickým vlastnostiam našli uplatnenie naprieč rôznymi sektormi. Metastabilný charakter niektorých z nich, ktorý umožňuje martenzitickú tranformáciu so sebou však prináša určité riziká spojené s poklesom húževnatosti. Na odhalenie martenzitickej fázy v mikroštruktúre oceli sa v dnešnej dobe využívajú techniky ako je napríklad difrakcia spätne odrazených elektrónov v rastrovacom elektrónovom mikroskope. Difrakcia spätne odrazených elektrónov je však veľmi časovo náročná a takisto kladie vysoké nároky na kvalitu metalografickej prípravy vzoriek. Cieľom tejto práce je nájdenie iných techník, umožňujúcich separáciu fáz v metastabilnej austenitickej oceli v rastrovom elektrónovom mikroskope, ako aj optimalizácia metalografickej prípravy tejto oceli pre potreby elektrónovej mikroskopie. Po naplnení týchto cieľov sa táto práca zameriava na možnosť využitia takzvaného hlbokého učenia za účelom automatizovanej separácie fáz v mikrosnímkach z rastrovacieho elektrónového mikroskopu. Pre tieto účely boli natrénované 4 neurónové siete založené na rôznych architektúrach a ich výsledky boli následne porovnané.
|
|
|
Detection and Recognition of Drone Movement in Video
Lapšanský, Simon ; Sakin, Martin (referee) ; Drahanský, Martin (advisor)
S nárastom dostupnosti dronov, narástlo aj riziko ich využívania na nelegálne aktivity. Na základe týchto rizík bola navrhnutá metóda na ich detekciu a následnú klasifikáciu aplikovateľnú v reálnom čase. Navrhovaný prístup využíva metódu odčítania pozadia, slúžiacu na detekciu objektov, zatiaľ čo klasifikácia je dosiahnutá pomocou hlbokého učenia. MOG2 využíva metódu zmiešaného Gaussovho modelu, ktorý slúži na odčítanie pozadia, za účelom detekcie objektov. YOLOv5 model pracujúci s neurónovými sieťami je využitý na následnú klasifikáciu detegovaných objektov. Implementácia vytvára spôsob detekcie a klasifikácie dronov s využitím procesora dosahujúca výsledky postačujúce na aplikovanie detekcie a klasifikácie dronov v reálnom čase. Metóda vyhodnocujúca záznam v rozlíšení 1080p, využívajúca procesor Intel i5-7600K dosahovala v priemere 16 snímiek za sekundu, počas detekcie jedného objektu v snímke.
|
|
|
Detection of persons and evaluation of gender and age in image data
Dobiš, Lukáš ; Vičar, Tomáš (referee) ; Kolář, Radim (advisor)
Táto diplomová práca sa venuje automatickému rozpoznávaniu ludí v obrazových dátach s využitím konvolučných neurónových sieti na určenie polohy tváre a následnej analýze získaných dát. Výsledkom analýzy tváre je určenie pohlavia, emócie a veku osoby. Práca obsahuje popis použitých architektúr konvolučných sietí pre každú podúlohu. Sieť na odhad veku má natrénované nové váhy, ktoré sú vzápätí zmrazené a majú do svojej architektúry vložené LSTM vrstvy. Tieto vrstvy sú samostatne dotrénované a testované na novom datasete vytvorenom pre tento účel. Výsledky testov ukazujú zlepšenie predikcie veku. Riešenie pre rýchlu, robustnú a modulárnu detekciu tváre a ďalších ludských rysov z jedného obrazu alebo videa je prezentované ako kombinácia prepojených konvolučných sietí. Tieto sú implementované v podobe skriptu a následne vysvetlené. Ich rýchlosť je dostatočná pre ďalšie dodatočné analýzy tváre na živých obrazových dátach.
|
guest ::
