|
|
Detection and Recognition of License Plates
Tykva, Jiří ; Zemčík, Pavel (oponent) ; Juránek, Roman (vedoucí práce)
The goal of this Bachelor's thesis is to design, implement, and test a system that can detect and recognize license plates in real-time by using neural networks. The collected data will be saved into the database. The system's architecture is divided into three main parts. The first part handles the license plate detection in the image by making use of the TensorFlow Object Detection API. The detector reaches the accuracy of 98.15 % AP with a speed of roughly 14 fps. The second part deals with license plate tracking by using the algorithm SORT. The third part holistically recognizes the text of the license plate and can reach up to 0.6% character error rate and 2% word error rate. The system may be used by law enforcement for purposes such as for keeping track of stolen vehicles or for the automatic road tolling.
|
|
|
Automatické hodnocení humoru
Katrňák, Josef ; Ondřej, Karel (oponent) ; Dočekal, Martin (vedoucí práce)
Cílem této práce je vytvoření systému pro automatické hodnocení humoru. Systém umožňuje predikovat vtipnost a kategorii pro vstup zadaný v angličtině. Hlavní podstatou je vytvoření klasifikátoru a trénování modelu na vytvořených datových sadách pro získání co nejlepších výsledků. Architektura klasifikátoru je založena na neuronových sítích. Systém zároveň obsahuje webové uživatelské rozhraní pro komunikaci s uživatelem. Výsledek je webová aplikace propojená s klasifikátorem umožňující hodnocení uživatelského vstupu a poskytování zpětné vazby od uživatelů.
|
|
|
Identifikace 2D CT axiálních řezů pomocí konvolučních neuronových sítí
Vavřinová, Pavlína ; Harabiš, Vratislav (oponent) ; Jakubíček, Roman (vedoucí práce)
Tato práce se zabývá klasifikací 2D axiálních CT řezů pacientských dat do šesti kategorií. K tomuto záměru byla využita oblast konvolučních neuronových sítí. Pro snadnější porozumění této problematice jsou nejprve vysvětleny základy neuronových sítí obecně a poté principy hlubokého učení zahrnující konvoluční neuronové sítě. Pro účely identifikace axiálních řezů byla vybrána konkrétně síť AlexNet, která byla po uzpůsobení otestovaná na vytvořené datové sadě. Celková úspěšnost klasifikace dosáhla 86%, po finálních úpravách došlo k mírnému zlepšení, kdy identifikační schopnost činila 87%.
|
|
|
Hluboké neuronové sítě v rozpoznávání obrazu
Munzar, Milan ; Kolář, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
Neuronové sítě jsou dnes jeden z nejúspěšnějších modelů pro strojové učení. Můžeme je nalézt v autonomínch robotických systémech, v rozpoznávání objektů i řeči, predikci a mnoha jiných odvětvích umělé inteligence. Tato práce seznámí čtenáře s tímto modelem a jeho rozšířením, které se používá pro rozpoznávání objektů. Posléze popisuje aplikaci těchto konvolučních neuronových sítí(CNNs) pro klasifikaci obrazků na datasetech Caltech101 a Cifar-10. Na příkladu této aplikace diskutuje a měří efektivnost různých technik používaných v CNNs. Výsledky ukazují, že tyto sítě jsou bez dalších rozšíření schopné dosáhnout 80\% přesnosti na datasetu Cifar-10 a 37\% přesnosti na datasetu Caltech101.
|
|
|
Systém pro doporučování filmů
Janko, Pavel ; Zbořil, František (oponent) ; Šůstek, Martin (vedoucí práce)
Tato práce se zabývá především přístupy k sestrojení systému pro doporučování filmů. Je zde obecně popsán princip neuronových sítí a rovněž jsou zde shrnuty základní i pokročilé techniky pro tvorbu doporučovacích systémů. Jádrem práce je návrh, implementace a experimentování se systémem, jehož cílem je doporučování filmů na základě dat pocházejících z volně dostupných datových sad. Pro předpovědi hodnocení, které by uživatel udělil filmům po jejich shlédnutí, systém využívá faktorizační model založený na kolaborativním filtrování. Práce dále řeší souvislosti konfigurace hyperparametrů modelu s přesností doporučení, provádění experimentů za účelem zlepšení přesnosti modelu a nakonec srovnání modelu s existujícími řešeními.
|
|
|
Spolehlivé systémy zpracování obrazu
Honec, Peter ; Janáková, Ilona (vedoucí práce)
V této disertační práci je na příkladech reálných zařízení podrobně ukázán postup návrhu spolehlivých průmyslových vizuálních systémů. Zvláštní pozornost je věnována systému pro detekci vad na pásech nekonečné výroby s využitím řádkových kamer. Systém umožňuje detekci a klasifikaci vad vznikajících ve fázi výroby v reálných podmínkách. V rámci práce byl proveden teoretický rozbor vizuálního systému pro detekci vad na nekonečných pásech, vhodného osvětlení a uspořádání scény. Dále byly vybrány, přizpůsobeny a navrženy klíčové komponenty hardwaru. Po navržení a optimalizaci vhodných algoritmů byl prototyp systému nainstalován na výrobní linku netkaných textilií. Na základě tohoto prototypu vzniklo celkem osm vizuálních systémů nasazených do reálných podmínek v průmyslu
|
|
|
Klasifikace signálu EKG
Smělý, Tomáš ; Harabiš, Vratislav (oponent) ; Hrubeš, Jan (vedoucí práce)
Tato diplomová práce se zabývá klasifikací různých průběhů EKG signálů. Úkolem bylo rozpoznat normální cykly od různých typů arytmií a určit, o jaké poruchy se jedná. Klasifikace byla provedena pomocí neuronových sítí v nadstavbě programového prostředí Matlab (Neural Network Toolbox). Výsledkem této práce je aplikace, která po načtení EKG signálu z databáze provede jeho předzpracování a následnou klasifikaci jednotlivých kvaziperiod do pěti různých tříd. Procentuální výsledky klasifikace jsou uvedeny v závěru práce.
|
|
|
Robustní rozpoznávání mluvčího pomocí neuronových sítí
Profant, Ján ; Rohdin, Johan Andréas (oponent) ; Matějka, Pavel (vedoucí práce)
Tématem této práce je analýza nejmodernějších systémů pro rozpoznávání řečníka za použití neurónových sítí (nazývaných x-vektory) v rozličných podmínkách, jako jsou širokopásmové a úzkopásmové data, který je robustní vůči neviděnému jazyku, specifickému hluku nebo telefonnimu kodeku. Automatický systém mapuje zvukovou nahrávku variabilní délky do fixně dlouhého vektoru, který je následně využit jako reprezentace řečníka. V této práci jsme porovnali systémy založené na neurónových sítich s výsledkem VUT týmu v Speakers in the Wild Speaker Recognition Challenge (SITW), který využíval donedávna velmi populární statistický model - i-vektory. Pozorovali jsme, že s nedávno publikovanými x-vektory dosahujeme 4.38 krát nižší Equal Error Rate pro SITW core-core evaluační sadu v porovnání s výsledkem z roku 2016 od VUT v SITW soutěži. Kromě toho jsme ukázali, že diarizace v nahrávkach s více mluvčími významně snižuje chybovost systému pro SITW core-multi evaluační data, ale podobný trend jsme neviděli pro dataset NIST SRE 2018 VAST.
|
|
|
Biometrie s využitím snímků sítnice s nízkým rozlišením
Smrčková, Markéta ; Odstrčilík, Jan (oponent) ; Kolář, Radim (vedoucí práce)
Tato práce se zabývá návrhem metody pro biometrickou identifikaci ze snímků oční sítnice. První část práce je zaměřena především na principy a pojmy, využívané v biometrii, anatomii oka a metody pro biometrii sítnice. Je zde popsána podstata neuronových sítí a hlubokého učení, které budou v praktické části využity. V poslední části se práce věnuje popisu zvoleného identifikačního algoritmu, jeho implementaci a zhodnocení výsledků biometrického systému.
|
|
|
Zobrazování uživatelských výslovností pro elektronické slovníky
Pešán, Jan ; Chalupníček, Kamil (oponent) ; Černocký, Jan (vedoucí práce)
Tato bakalářská práce se pokouší nalézt nový směr vývoje v oblasti učebních schopností elektronických slovníků. V první části je uvedeno představení základní myšlenky možnosti učení výslovnosti pomocí vizualizace fonémů. Následuje kapitola zabývající se obecným úvodem do metod zpracování řeči využívaných v této práci jako např. HMM nebo Viterbiho algoritmus. Ve třetí kapitole jsou popsány nástroje, pomocí kterých byla provedena implementace celého systému. Další kapitola rozebírá podrobně použitou technologii neuronových sítí jako systému odhadu věrohodností fonémů, popisuje problém kompatibility fonémových sad a použité modely fonémů. Kapitola 5 popisuje konkrétně samotnou implementaci systému. Zde jsou také popsány nástroje použité k přípravě dat pro systém. Ve dvou závěrečných kapitolách je poté obsaženo krátké uživatelské testování společně se screenshoty a zhodnocením celého projektu. Zde jsou také nastíněny další možné cesty vývoje tohoto systému.
|
host ::
RSS.