|
|
Obličejový anonymizér
Peša, Jan ; Juránek, Roman (oponent) ; Láník, Aleš (vedoucí práce)
V této bakalářské práci lze nalézt přehled klasifikačních algoritmů a jejich použití zejména pro prohledávání obrazových dat a detekcí tváří. V první části je nastíněn úvod do rozpoznávání obrazů, je popsáno teoretické pozadí těchto algoritmů a způsob jejich trénování. Představeny jsou i další použité prvky (například Kalmanův filtr nebo knihovna OpenCV). V druhé části se se nachází popis implementace a výstavby aplikace, která využívá těchto technologií pro vyhledávání, sledování a anonymizaci lidských obličejů ve video vstupu.
|
|
|
Rozpoznávání vzorů v obraze pomocí AdaBoost
Wrhel, Vladimír ; Hradiš, Michal (oponent) ; Herout, Adam (vedoucí práce)
V této práci se zaobírá algoritmem AdaBoost, který slouží k vytvoření silné klasifikační funkce pomocí několika slabých klasifikátorů. Seznámíme se taktéž s modifikacemi AdaBoostu, a to Real AdaBoostem, WaldBoostem, FloatBoostem a TCAcu. Tyto modifikace zlepšují některé z vlastností algoritmu AdaBoost. Probereme některé vlastnosti příznaků a slabých klasifikátorů. Ukážeme si třídu úloh, pro které je algoritmus AdaBoost použitelný. Popíšeme implementaci knihovny obsahující zmíněné metody a uvedeme některé testy provedené na implementované knihovně.
|
|
|
Využití grafického procesoru jako akcelerátoru - technologie OpenCL
Hrubý, Michal ; Jošth, Radovan (oponent) ; Zemčík, Pavel (vedoucí práce)
Tato práce se zabývá technologií OpenCL a jejím využitím pro detekci objektů. První část je zaměřená na popis principů technologie OpenCL a základní teorii o detekci objektů. Následuje kapitola analýzy, kde je navržená metoda zpracování s přihlédnutím na možnosti OpenCL. Další část popisuje samotnou implementaci detekční aplikace a experimentálně vyhodnocuje výkon detektoru. Poslední kapitola shrnuje dosažené výsledky.
|
|
|
AdaBoost v počítačovém vidění
Hradiš, Michal ; Zemčík, Pavel (oponent) ; Potúček, Igor (vedoucí práce)
V této diplomové práci jsou představeny nové obrazové příznaky "local rank differences" (LRD). Tyto příznaky jsou invariantní vůči změnám osvětlení a jsou vhodné k implementaci detektorů objektů v programovatelném hardwaru, jako je například FPGA. Chování klasifikátorů s LRD vytvořených pomocí algoritmu AdaBoost bylo otestováno na datové sadě pro detekci obličejů. LRD v těchto testech dosáhly výsledků srovnatelných s výsledky klasifikátorů s Haarovými příznaky, které jsou používány v nejlepších současných detektorech objektů pracujících v reálném čase. Tyto výsledky ve spojení s faktem, že LRD je možné v FPGA vyhodnocovat několikanásobně rychleji než Haarovy příznaky, naznačují, že by LRD příznaky mohly být řešením pro budoucí detekci objektů v hardwaru. V této práci také prezentujeme nástroj pro experimenty s algoritmy strojového učení typu boosting, který je speciálně uzpůsoben oblasti počítačového vidění, je velmi flexibilní, a přitom poskytuje vysokou efektivitu učení a možnost budoucí paralelizace výpočtů. Tento nástroj je dostupný jako open source software a my doufáme, že ostatním ulehčí vývoj nových algoritmů a příznaků.
|
|
|
Rozpoznání vzorů v obraze pomocí klasifikátorů
Juránek, Roman ; Španěl, Michal (oponent) ; Herout, Adam (vedoucí práce)
V této práci bude představen algoritmus AdaBoost, který slouží k vytvoření silné klasifikační funkce z několika slabých hypotéz. Bude vyloženo teoretické pozadí algoritmu a způsob konstrukce silného klasifikátoru. Dále bude popsáno rozšíření algoritmu o sekvenční rozhodovací strategii nazývané WaldBoost. Práce se zabývá také obrazovými příznaky, které jsou v mnoha případech základem slabých klasifikátorů. Kromě popisu zmíněných algoritmů bude uveden základ rozpoznávání vzorů v kontextu počítačového vidění a budou uvedeny některé často používané metody trénování klasifikátorů. Součástí práce bylo vytvoření knihovny pro detekci objektů založené na klasifikátorech trénovaných metodou AdaBoost. Tato knihovna byla následně využita v implementaci programu, který prakticky demonstruje detekce obejktů ve videosekvencích. Poslední část práce popisuje nástroj pro trénování AdaBoost klasifikátorů.
|
|
|
Detekce objektů v obraze
Kubínek, Jiří ; Beran, Vítězslav (oponent) ; Hradiš, Michal (vedoucí práce)
Práce je věnovaná metodám detekce objektů v obraze. Seznamuje čtenáře se základními přístupy a algoritmy užívanými v této problematice, zejména pak s algoritmem AdaBoost, jeho rozšířením WaldBoost a s některými příznaky užívanými pro detekci objektů. Významnou část práce tvoří rozšíření datových sad pro trénování klasifikátoru a implementace histogramu gradientů pro rozšíření stávajícího systému pro detekci objektů. Nedílnou součástí práce je zhodnocení dosažených výsledků v podobě provedených experimentů.
|
|
|
Posouzení korespondence zájmových bodů v obraze
Křehlík, Jan ; Beran, Vítězslav (oponent) ; Herout, Adam (vedoucí práce)
Tento dokument se zabývá experimentálním ověřením možnosti použití trénovacích algoritmů AdaBoost a WaldBoost pro vytvoření klasifikační funkce, která by dokázala ve druhém snímku nalézt bod, který koresponduje s bodem v prvním snímku v sekvenci snímků. Práce také popisuje nalezení význačných bodů v obraze, jejichž detekce patří k prvním z kroků hledání korespondence. Dále je popsáno vytvoření deskriptorů nalezených bodů zájmu. Takovéto nalezené korespondující body ve dvojici snímků mohou například sloužit jako předstupeň pro vytvoření 3D modelu nasnímané scény.
|
|
|
Detekce obličejů v obraze z kamery na mobilním telefonu s WM
Tureček, Martin ; Láník, Aleš (oponent) ; Herout, Adam (vedoucí práce)
Tato práce se zabývá detekcí obličejů na mobilních telefonech. Konkrétně se zaměřuje na platformu Windows Mobile. Úvod je tedy věnován tomuto operačnímu systému a možnostem práce s kamerou. Další část textu je věnována obecné problematice detekce obličeje v obraze s ohledem na slabý výkon cílových zařízení. Součástí práce je také popis získávání obrazu z kamery pomocí multimediálního frameworku DirectShow a tvorba vlastního transformačního filtru pro detekci obličeje. V závěru jsou shrnuty dosažené výsledky formou testů na několika mobilních zařízení a také jsou zmíněna všechna úskalí, která obnáší vývoj aplikací pro Windows Mobile.
|
|
|
Vyhodnocení úspěšnosti detekce objektů v obraze
Černošek, Bedřich ; Behúň, Kamil (oponent) ; Zemčík, Pavel (vedoucí práce)
Cílem této bakalářské práce bylo navrhnout způsob vyhodnocení úspěšnosti detekce objektů v obraze. Výsledkem této práce bylo vytvořit program, který na vhodném příkladu provede vyhodnocení úspěšnosti detekce objektů a intuitivně zobrazí výsledek uživateli. Úkolem bylo navrhnout vhodné experimenty a datový set pro ověření správnosti vyhodnocení. Součástí práce bylo nalézt optimální parametry detektoru pro detekci obličejů a optimální předzpracování fotografie před detekcí obličejů.
|
|
|
Detekce objektů na GPU
Macenauer, Pavel ; Polok, Lukáš (oponent) ; Juránek, Roman (vedoucí práce)
Tato práce se zabývá detekcí objektů pomocí grafických procesorů . Jako její součást byl navržen a naimplementován nástroj pro detekci objektů na technologii NVIDIA CUDA , umožňující detekovat objekty ve videu v reálném čase nebo zpracovávat velké množství fotografií . Jejím cílem je prozkoumat aktuální možnosti technologie NVIDIA CUDA vzhledem k detekci objektů a navrhnout , jak by se daly akcelerovat .
|
host ::
RSS.