|
|
Odhad hloubky pomocí konvolučních neuronových sítí
Ivanecký, Ján ; Španěl, Michal (oponent) ; Hradiš, Michal (vedoucí práce)
Táto práca sa zaoberá odhadom hĺbky s použitím konvolučných neurónových sietí. Pre vyriešenie tohto problému je v práci navrhnutý model skladajúci sa z troch častí. Model sa skladá zo siete globálneho kontextu, ktorá odhaduje hrubú štruktúru scény, gradientovej siete, ktorá odhaduje hĺbkové gradienty a zjemňujúcej siete, ktorá na základe výstupov z predchádzajúcich dvoch sietí odhadne konečnú hĺbkovú mapu. Ďalej v práci navrhujem normalizovanú chybovú funkciu na trénovanie neuronových sietí. Použitie tejto chybovej funkcie zlepšuje odhady relatívnej hlbkovej štruktúry scény, za cenu straty informácie o absolutnej hlbke v scéne.
|
|
|
Deep Learning for Image Stitching
Držíková, Diana Maxima ; Vaško, Marek (oponent) ; Španěl, Michal (vedoucí práce)
Stitching digital images is not something unfamiliar to the average technology user. The most common example of stitching can be found in panoramic images, where the algorithm stitches them to achieve a seamless, high-quality picture. Various steps need to be executed to stitch the images. Feature detection, description, and matching play the most important role in achieving the goal. This thesis will dwell deeper into the stitching problematic and will discuss the possible solutions. The traditional approaches to stitching will be explained in order to understand the basic idea behind it. Later on, the neural networks will be used to enhance the feature processing. The SuperPoint and SuperGlue neural networks will be discussed and used for their experiments. The main product of this work is a matching algorithm which uses the SuperPoint and SuperGlue models to stitch the images from grids. Other experiments which helped the process of understanding this problem, will be explained and evaluated.
|
|
|
Konvoluční neuronové sítě
Lietavcová, Zuzana ; Zbořil, František (oponent) ; Zbořil, František (vedoucí práce)
Táto práca sa zaoberá problematikou učenia konvolučných neuronových sietí. Ide o druh hlbokých neuronových sietí, ktoré sa v súčasnosti hojne používajú predovšetkým v oblasti rozpoznávania obrazu a spracovania prirodzeného jazyka. Práca popisuje špecifiká konvolučných neuronových sietí oproti tradičným neuronovým sieťam a zameriava sa na vnútorné výpočty, ktoré realizujú pri učení. Konvolučné neurónové siete sa typicky skladajú z niekoľkých typov vrstiev neurónov a cieľom práce je demonštrovať výpočet jednotlivých typov vrstiev. V práci bol navrhnutý a implementovaný demonštračný program učenia jednoduchej konvolučnej siete s využitím vlastnej implementácie neurónovej siete. Správnosť implementácie bola overená natrénovaním siete pre riešenie klasifikačnej úlohy, boli vykonané experimenty s rôznymi architektúrami sietí a ich výsledky porovnané.
|
|
|
Zpracování dat ze senzorů wearable zařízení pomocí strojového učení
Hlavačka, Martin ; Dobeš, Petr (oponent) ; Herout, Adam (vedoucí práce)
Cieľom práce je analýza problematiky nositeľných zariadení s operačným systémom Android Wear a rozpoznávaní rôznych pohybových aktivít za pomoci neurónových sietí. Prvotným zameraním je teda identifikovanie a popis najvhodnejšieho nástroja pre rozpoznávanie dynamických pohybov s využitím metód strojového učenia na základe dát získaných z tohto typu zariadení. Praktická časť práce následne komentuje implementáciu samostatne fungujúcej aplikácie pre platformu Android Wear schopnej záznamu a naformátovania dát zo senzorov, tréning neurónovej siete v navrhnutom externom nástroji pre desktop a následné spätné použitie natrénovanej neurónovej siete pre možnosti rozpoznania pohybov priamo v zariadení.
|
|
| |
|
|
Posilované učení pro hru typu Bomberman
Adamčiak, Jakub ; Beran, Vítězslav (oponent) ; Hradiš, Michal (vedoucí práce)
Cieľom tejto bakalárksej práce je návrh, implementácia a trénovanie modelov posilňovaného učenia na hru typu Bomberman. Je postavená na prostredí Bomberland od firmy CoderOne. Toto prostredie bolo vyvinuté za účelom vzdelávania a výskumu v odvetí umelej inteligencie. V tejto práci rozoberám rôzne nastavenia a problémy s implementovaním agenta do prostredia. Vyskúšal som 2 politiky (MLP a CNN), 2 algoritmy (PPO a A2C) a 5 druhov neurónových sietí pre extrakciu vlastností za pomoci knižníc stable baselines 3 a pytorch. Celkový čas trénovania týchto modelov bol dokopy 1207 reálnych hodín, 4168 strojových hodín a 271 miliónov herných krokov. Aj keď bolo trénovanie neúspešné, táto práca ukazuje proces implementácie modelu posilňovaného učenia do prostredia Gym.
|
|
|
Detekce palných zbraní v obrazu
Debnár, Pavol ; Drahanský, Martin (oponent) ; Dvořák, Michal (vedoucí práce)
Táto práca sa zaoberá detekciou palných zbraní v obraze. V teoretickej časti je najprv definovaný pojem palná zbraň a potom sú uvedené typy palných zbraní. Nasleduje vysvetlenie obrazového šumu, ktorý môže do značnej miery ovplyvniť výsledok detekcie, a sú uvedené spôsoby, ako ho redukovať. Ďalej sú definované algoritmy obrazovej detekcie, ktoré pracujú na báze neurónových sietí - konvolučné neurónové siete (CNN) a Single Shot Multibox Detector (SSD). Vysvetlené sú aj klasické algoritmy pre detekciu v obraze ako HOG+SVM a SURF. V ďalšej časti sú uvedené použité knižnice a softvér. Nasleduje experimentálna časť, kde uvedieme navrhnutý postup riešenia a databázu. Pre detekciu boli použité algoritmy HOG+SVM, SURF a SSD. Následne sú uvedené výsledky testov na databáze a videu, čomu nasleduje zhrnutie a možnosti rozšírenia do budúcnosti.
|
|
|
Výpočet mapy disparity ze stereo obrazu
Tábi, Roman ; Maršík, Lukáš (oponent) ; Španěl, Michal (vedoucí práce)
Diplomová práca sa zameriava na výpočet mapy disparity s použitím konvolučnej neurónovej siete. Preberá problematiku použitia konvolučných neurónových sietí pre porovnanie obrazov a výpočet disparity zo stereo obrazu ako aj existujúce prístupy pre riešenie zvoleného problému. Navrhuje a implementuje systém pozostávajúci z konvolučnej neurónovej siete pre odhad podobnosti dvoch výrezov obrazu, a metód pre filtráciu a vyhladenie výslednej mapy disparity. Experimenty a výsledky ukázali, že najkvalitnejšie disparitné mapy generuje riešenie, kde neurónová sieť porovnáva výrezy s rozmermi 9x9 pixlov v spojení s algoritmom pre agregáciu a korekciu párovacej ceny a bilaterálnym filtrom.
|
|
|
Detection of persons and evaluation of gender and age in image data
Dobiš, Lukáš ; Vičar, Tomáš (oponent) ; Kolář, Radim (vedoucí práce)
This master thesis describes an approach for automated human recognition by using convolutional neural networks (CNN) to perform facial analysis of persons face in image data. The predicted biometric indicators are following: age, gender, facial landmarks and facial expression. CNN architectures with pretrained weights for each task are described. Age estimation CNN has new weights trained and freezed, then has added new LSTM layers into its architecture. New LSTM layers are trained and tested on newly created video data set. Test results indicate improved age prediction accuracy. Solution for human recognition inference with single image and time series variants, in form of script with interconnected CNNs is explained, and its inference speed performance supports further proposed expansion plans for live video inference.
|
|
|
Detekce kvádrů-krabic v obraze
Žitňanský, Adam ; Špaňhel, Jakub (oponent) ; Herout, Adam (vedoucí práce)
Táto práca sa zaoberá problémom detekcie kvádrov, konkrétne krabíc v obraze. Hlavným výsledkom práce je návrh a implementácia systému na detekciu krabíc na základe rohov a hrán. Systém pozostáva z detektora hranových bodov a rohov založeného na konvolučnejneurónovej sieti a dekodéra na zostavenie výsledného 2d modelu krabice. V rámci riešenia vznikol taktiež dataset s 550 anotovanými snímkami krabíc s anotáciami rohov a hrán.
|
host ::
RSS.