|
|
Recognition of Driving Lane Borders in Video from On Board Camera
Letovanec, Lukáš ; Bartl, Vojtěch (referee) ; Herout, Adam (advisor)
This thesis is dedicated to the issue of driving lane borders recognition in frames of an onboard camera. In this thesis, an architecture of a deep convolutional neural network is introduced, by means of which the said problem is dealt with. The net was trained on a large dataset using gradient descent algorithm. The trained model has demonstrated the ability to recognize borders of a driving lane well in different situations and conditions. The result of the thesis confirms that deep convolutional neural networks are a suitable tool for driving lane borders recognition.
|
|
|
Traffic analysis using on machine learning
Zelený, Ondřej ; Slanina, Martin (referee) ; Frýza, Tomáš (advisor)
Tato práce přibližuje problematiku detekce objektů a jejich klasifikace pro uplatnění k analýze dopravy. V teoretické části přibližuji několik metod a technik pro detekci a klasifikaci objektů. Dále zde představuji nejpoužívanější platformy a programovací jazyky pro implementaci konvolučních neuronových sítí.. V praktické části se pak zabývám implementací vybraného modelu a výběrem hardware pro realizaci systému.
|
|
|
Pilot proficiency classification from gaze
Ruta, Dominik ; Vlk, Jan (referee) ; Chudý, Peter (advisor)
Tato práce se zabývá klasifikací úrovně odbornosti pilota a leteckých manévrů z pohledu očí. Cílem je poskytnout další cenný nástroj pro hodnocení pilotáže leteckými instruktory~a~poskytnout tak zpětnou vazbu trénovaným pilotům. Tato myšlenka je založena na základě výsledků relevantních studií, které objevily korelaci mezi užíváním efektivních skenovacích vzorů a doménové výkonnosti. V této práci jsou uvažovány dvě třídy odbornosti --- piloti a nováčci. Tato práce využívá běžné metriky pro analýzu pohledu očí. Dále jsou v této práci využity klasifikační techniky strojového učení. Metoda podpůrných vektorů je využita pro klasifikaci úrovně způsobilosti, zatímco pro klasifikaci leteckých manévrů jsou využity skryté Markovovy modely. Výsledkem práce je vysoce přesná klasifikace úrovně odbornosti pilot a dobrá schopnost rozeznat individuální letecké manévry provedené piloty.
|
|
| |
|
|
Active Learning for Processing of Archive Sources
Hříbek, David ; Zbořil, František (referee) ; Rozman, Jaroslav (advisor)
This work deals with the creation of a system that allows uploading and annotating scans of historical documents and subsequent active learning of models for character recognition (OCR) on available annotations (marked lines and their transcripts). The work describes the process, classifies the techniques and presents an existing system for character recognition. Above all, emphasis is placed on machine learning methods. Furthermore, the methods of active learning are explained and a method of active learning of available OCR models from annotated scans is proposed. The rest of the work deals with a system design, implementation, available datasets, evaluation of self-created OCR model and testing of the entire system.
|
|
|
Identification and characterization of malicious behavior in behavioral graphs
Varga, Adam ; Burget, Radim (referee) ; Hajný, Jan (advisor)
Za posledné roky je zaznamenaný nárast prác zahrňujúcich komplexnú detekciu malvéru. Pre potreby zachytenia správania je často vhodné pouziť formát grafov. To je prípad antivírusového programu Avast, ktorého behaviorálny štít deteguje škodlivé správanie a ukladá ich vo forme grafov. Keďže sa jedná o proprietárne riešenie a Avast antivirus pracuje s vlastnou sadou charakterizovaného správania bolo nutné navrhnúť vlastnú metódu detekcie, ktorá bude postavená nad týmito grafmi správania. Táto práca analyzuje grafy správania škodlivého softvéru zachytené behavioralnym štítom antivírusového programu Avast pre proces hlbšej detekcie škodlivého softvéru. Detekcia škodlivého správania sa začína analýzou a abstrakciou vzorcov z grafu správania. Izolované vzory môžu efektívnejšie identifikovať dynamicky sa meniaci malware. Grafy správania sú uložené v databáze grafov Neo4j a každý deň sú zachytené tisíce z nich. Cieľom tejto práce bolo navrhnúť algoritmus na identifikáciu správania škodlivého softvéru s dôrazom na rýchlosť skenovania a jasnosť identifikovaných vzorcov správania. Identifikácia škodlivého správania spočíva v nájdení najdôležitejších vlastností natrénovaných klasifikátorov a následnej extrakcie podgrafu pozostávajúceho iba z týchto dôležitých vlastností uzlov a vzťahov medzi nimi. Následne je navrhnuté pravidlo pre hodnotenie extrahovaného podgrafu. Diplomová práca prebehla v spolupráci so spoločnosťou Avast Software s.r.o.
|
|
|
Machine-Learning in Natural Language Processing
Otrusina, Lubomír ; Šilhavá, Jana (referee) ; Smrž, Pavel (advisor)
This beachelor's thesis deals with word sense disambiguation problem using the machine learning techniques. There are shortly presented problems of word sense disambiguation and its timeline. There are described methods and approaches, especially the naive Bayes classifier that is implemented in the system. There's illustrated a simple example of using this classifier. In a practical section is described project of system based on naive Bayes classifier including description of various algorithms used in the system. Finally there are described evaluation and analysis of the system. This created system took part in an international competition on semantic evaluation workshop SemEval-2007.
|
|
|
Optimization of DDoS Mitigation Rule Inference
Carasec, Elena ; Grégr, Matěj (referee) ; Žádník, Martin (advisor)
Tato práce se zabývá možností využití algoritmů strojového učení pro ochranu proti DDoS útokům. Pro klasické a inkrementální (online) učení jsou uvažovány vysvětlitelné metody učení s učitelem, zejména rozhodovací stromy. Dále jsou představeny některé možné optimalizace pro zvýšení přesnosti klasifikace provozu a snížení množství blokovaného legitimního provozu.
|
|
|
Traffic analysis using on machine learning
Zelený, Ondřej ; Slanina, Martin (referee) ; Frýza, Tomáš (advisor)
Tato práce přibližuje problematiku detekce objektů a jejich klasifikace pro uplatnění k analýze dopravy. V teoretické části přibližuji několik metod a technik pro detekci a klasifikaci objektů. Dále zde představuji nejpoužívanější platformy a programovací jazyky pro implementaci konvolučních neuronových sítí. Dále uvádí přehled základních algoritmů pro trasování objektů a dostupné cloudové platformy pro internet věci. V praktické část je uvedena implementace vybraného algoritmu a k němu přidaných funkcionalit jako je trasování objektů nebo pracování a vizualiace v cloudu.
|
|
|
Traffic analysis using on machine learning
Zelený, Ondřej ; Slanina, Martin (referee) ; Frýza, Tomáš (advisor)
Tato práce přibližuje problematiku detekce objektů a jejich klasifikace pro uplatnění k analýze dopravy. V teoretické části přibližuji několik metod a technik pro detekci a klasifikaci objektů. Dále zde představuji nejpoužívanější platformy a programovací jazyky pro implementaci konvolučních neuronových sítí. Dále uvádí přehled základních algoritmů pro trasování objektů a dostupné cloudové platformy pro internet věci. V praktické část je uvedena implementace vybraného algoritmu a k němu přidaných funkcionalit jako je trasování objektů nebo pracování a vizualiace v cloudu.
|
guest ::
