|
|
Segmentation of multiple sclerosis lesions using deep neural networks
Sasko, Dominik ; Myška, Vojtěch (referee) ; Kolařík, Martin (advisor)
Hlavným zámerom tejto diplomovej práce bola automatická segmentácia lézií sklerózy multiplex na snímkoch MRI. V rámci práce boli otestované najnovšie metódy segmentácie s využitím hlbokých neurónových sietí a porovnané prístupy inicializácie váh sietí pomocou preneseného učenia (transfer learning) a samoriadeného učenia (self-supervised learning). Samotný problém automatickej segmentácie lézií sklerózy multiplex je veľmi náročný, a to primárne kvôli vysokej nevyváženosti datasetu (skeny mozgov zvyčajne obsahujú len malé množstvo poškodeného tkaniva). Ďalšou výzvou je manuálna anotácia týchto lézií, nakoľko dvaja rozdielni doktori môžu označiť iné časti mozgu ako poškodené a hodnota Dice Coefficient týchto anotácií je približne 0,86. Možnosť zjednodušenia procesu anotovania lézií automatizáciou by mohlo zlepšiť výpočet množstva lézií, čo by mohlo viesť k zlepšeniu diagnostiky individuálnych pacientov. Našim cieľom bolo navrhnutie dvoch techník využívajúcich transfer learning na predtrénovanie váh, ktoré by neskôr mohli zlepšiť výsledky terajších segmentačných modelov. Teoretická časť opisuje rozdelenie umelej inteligencie, strojového učenia a hlbokých neurónových sietí a ich využitie pri segmentácii obrazu. Následne je popísaná skleróza multiplex, jej typy, symptómy, diagnostika a liečba. Praktická časť začína predspracovaním dát. Najprv boli skeny mozgu upravené na rovnaké rozlíšenie s rovnakou veľkosťou voxelu. Dôvodom tejto úpravy bolo využitie troch odlišných datasetov, v ktorých boli skeny vytvárané rozličnými prístrojmi od rôznych výrobcov. Jeden dataset taktiež obsahoval lebku, a tak bolo nutné jej odstránenie pomocou nástroju FSL pre ponechanie samotného mozgu pacienta. Využívali sme 3D skeny (FLAIR, T1 a T2 modality), ktoré boli postupne rozdelené na individuálne 2D rezy a použité na vstup neurónovej siete s enkodér-dekodér architektúrou. Dataset na trénovanie obsahoval 6720 rezov s rozlíšením 192 x 192 pixelov (po odstránení rezov, ktorých maska neobsahovala žiadnu hodnotu). Využitá loss funkcia bola Combo loss (kombinácia Dice Loss s upravenou Cross-Entropy). Prvá metóda sa zameriavala na využitie predtrénovaných váh z ImageNet datasetu na enkodér U-Net architektúry so zamknutými váhami enkodéra, resp. bez zamknutia a následného porovnania s náhodnou inicializáciou váh. V tomto prípade sme použili len FLAIR modalitu. Transfer learning dokázalo zvýšiť sledovanú metriku z hodnoty približne 0,4 na 0,6. Rozdiel medzi zamknutými a nezamknutými váhami enkodéru sa pohyboval okolo 0,02. Druhá navrhnutá technika používala self-supervised kontext enkodér s Generative Adversarial Networks (GAN) na predtrénovanie váh. Táto sieť využívala všetky tri spomenuté modality aj s prázdnymi rezmi masiek (spolu 23040 obrázkov). Úlohou GAN siete bolo dotvoriť sken mozgu, ktorý bol prekrytý čiernou maskou v tvare šachovnice. Takto naučené váhy boli následne načítané do enkodéru na aplikáciu na náš segmentačný problém. Tento experiment nevykazoval lepšie výsledky, s hodnotou DSC 0,29 a 0,09 (nezamknuté a zamknuté váhy enkodéru). Prudké zníženie metriky mohlo byť spôsobené použitím predtrénovaných váh na vzdialených problémoch (segmentácia a self-supervised kontext enkodér), ako aj zložitosť úlohy kvôli nevyváženému datasetu.
|
|
|
Vehicle License Plate Detection and Recognition Software
Masaryk, Adam ; Hradiš, Michal (referee) ; Špaňhel, Jakub (advisor)
The aim of this bachelor thesis is to design and develop software that can detect and recognize license plates from images. The software is divided into 3 parts - license plates detection, detector output processing and license plates characters recognition. We decided to implement detection and recognition using modern methods using convolutional neural networks.
|
|
|
Analysis of GPON frames using machine learning
Tomašov, Adrián ; Horváth, Tomáš (referee) ; Holík, Martin (advisor)
Táto práca sa zameriava na analýzu vybraných častí GPON rámca pomocou algoritmov strojového učenia implementovaných pomocou knižnice TensorFlow. Vzhľadom na to, že GPON protokol je definovaný ako sada odporúčaní, implementácia naprieč spoločnosťami sa môže líšiť od navrhnutého protokolu. Preto analýza pomocou zásobníkového automatu nie je dostatočná. Hlavnou myšlienkou je vytvoriť systém modelov za použitia knižnice TensorFlow v Python3, ktoré sú schopné detekovať abnormality v komunikácií. Tieto modely používajú viaceré architektúry neuronových sietí (napr. LSTM, autoencoder) a zameriavajú sa na rôzne typy analýzy. Tento systém sa naučí na vzorovej vzorke dát a upozorní na nájdené odlišnosti v novozachytenej komunikácií. Výstupom systému odhad podobnosti aktuálnej komunikácie v porovnaní so vzorovou komunikáciou.
|
|
|
Detection of Vehicles in Image and Video
Petráš, Adam ; Zemčík, Pavel (referee) ; Špaňhel, Jakub (advisor)
This bachelor thesis is focused on vehicle detection. The thesis deals with the method of vehicle detection using convolutional neural networks, their structures and models. All scripts were implemented using python programming language with Tensorflow Object Detection API interface. The first part of this thesis was devote to the structures of popular neural networks and models of detection neural networks. The next chapter deals with the most famous frameworks that are used for machine learning. Three neural network models were selected and trained on the COD20K dataset. The result of this thesis is statistics that discuss the efficiency and performance of each model on trained dataset and compare performance without displaying video on Nvidia RTX 2060, where the performace archieved by SSD MobileNet V2 network was 300FPS and Nvidia Tegra TX2 8GB, whose performace reached almost 44FPS.
|
|
|
Non-contact measurement of the dimensions of determination scales
Šemora, Petr ; Matoušek, Radomil (referee) ; Škrabánek, Pavel (advisor)
This thesis deals with non-contact measuring the dimensions of the sand lizard anal plate. First the thesis briefly summarizes the techniques used to measure object dimensions and the techniques used for image segmentation. Subsequently, the thesis provides a basic overview of neural networks and convolutional neural networks. The practical part describes a system for measuring the dimensions of the sand lizard anal plate. The proposed algorithms are implemented in a graphical user interface enabling automatic and manual measurements.
|
|
|
Face detection and recognition with use of Raspberry Pi
Rozhoňová, Andrea ; Mézl, Martin (referee) ; Hesko, Branislav (advisor)
The following bachelor thesis is focused on the face detection and recognition in an image. The theoretical part divides methods of detection and recognition into several groups and there is better description and explanation of these methods in this part. At the end of the theoretical part is summarized the current utilization of person recognition on the bases of its face in practice. In the practical part is first implemented method for face detection. It is combination of two approaches - approach using haar features and approach using templates of eye. The face recognition is provided by the convolutional neural network. In conclusion there are summarized principles and problems associated with implementation on microcomputer Raspberry Pi and there is also evaluated the success of implemented methods.
|
|
|
Anti-Drone Perimeter Protection
Janík, Roman ; Dvořák, Michal (referee) ; Drahanský, Martin (advisor)
Developement of drone technology brings opportunities for many fields of human activity, but simultaneously brings security threats. A need to effectively face these threats arises. In this work is described the problematics and state-of-the-art methods for object detection in a video captured by moving camera. A system for detecting and locating a drone or a flock of drones has been proposed. Algorithm for detection is based on convolutional neural network, specifically on SSD algorithm. The convolutional neural network was trained on self-made dataset. The system was implemented using OpenCV library with possible algorithm acceleration on GPU using OpenCL. Created solution was tested on video.
|
|
|
Pedestrians Detection in Traffic Environment by Machine Learning
Tilgner, Martin ; Klečka, Jan (referee) ; Horák, Karel (advisor)
Tato práce se zabývá detekcí chodců pomocí konvolučních neuronových sítí z pohledu autonomního vozidla. A to zejména jejich otestováním ve smyslu nalezení vhodné praxe tvorby datasetu pro machine learning modely. V práci bylo natrénováno celkem deset machine learning modelů meta architektur Faster R-CNN s ResNet 101 jako feature extraktorem a SSDLite s feature extraktorem MobileNet_v2. Tyto modely byly natrénovány na datasetech o různých velikostech. Nejlépší výsledky byly dosaženy na datasetu o velikosti 5000 snímků. Kromě těchto modelů byl vytvořen nový dataset zaměřující se na chodce v noci. Dále byla vytvořena knihovna Python funkcí pro práci s datasety a automatickou tvorbu datasetu.
|
|
|
Bayesian and Neural Networks
Hložek, Bohuslav ; Rozman, Jaroslav (referee) ; Zbořil, František (advisor)
This paper introduces Bayesian neural network based on Occams razor. Basic knowledge about neural networks and Bayes rule is summarized in the first part of this paper. Principles of Occams razor and Bayesian neural network are explained. A real case of use is introduced (about predicting landslide). The second part of this paper introduces how to construct Bayesian neural network in Python. Such an application is shown. Typical behaviour of Bayesian neural networks is demonstrated using example data.
|
|
| |
guest ::
