|
|
Depth-Based Determination of a 3D Hand Position
Ondris, Ladislav ; Tinka, Jan (oponent) ; Drahanský, Martin (vedoucí práce)
This work aims to offer a real-time, depth-based gesture recognition system using a hand's skeletal information. The Tiny YOLOv3 neural network detects the hand in the depth image. The detected hand is rid of the background and used by the JGR-P2O neural network, which estimates the hand's skeleton represented by 21 key points. Furthermore, a novel technique for gesture recognition from hand key points that compares the input skeleton with user-defined gestures has been proposed. A dataset consisting of four thousand images was captured to evaluate the system.
|
|
|
Detekce rychlosti přibližování automobilu na základě zpracování obrazu kamery
Kovář, Jan ; Číka, Petr (oponent) ; Šmirg, Ondřej (vedoucí práce)
Tato práce pojednává o zpracování digitálního obrazu, od počátečního pořízení snímků digitálního obrazu, přes následné zpracování, segmentaci, až po algoritmy pro detekci tvarů na obrazové scéně. Zpracování obrazu je velice rozsáhlé téma, proto zde jsou pro bližší pochopení rozebrány základní principy vnímání a zpracování obrazového signálu, reprezentací obrazu, jeho snímáním počínaje, přes filtry upravující digitální obraz pro zpracování až po metody detekující objekty v obraze. Jsou rozebrány metody pro statické a dynamické rozpoznávání objektů. Dále je demonstrována závislost velikosti objektu v obraze na vzdálenosti od kamery, na jehož základě můžeme určovat rychlost přibližování či vzdalování od objektu. Ukážeme si, že pro konkrétní určení vzdálenosti nepotřebujeme v důsledku znát skutečnou velikost objektu. To je dáno tím, že poměr mezi velikostí objektu v závislosti na vzdálenosti je pro každý objekt stejný. Nakonec této práce jsou prezentovány výsledné snímky obrazu po implementaci pomocí knihovny OpenCV.
|
|
|
Detekce graffiti tagů v obraze
Pavlica, Jan ; Hradiš, Michal (oponent) ; Špaňhel, Jakub (vedoucí práce)
Tato práce se zaměřuje na možnost využití současných metod v oblasti počítačového vidění za účelem automatické detekce graffiti tagů v obraze. Tagy jsou nejčastějším projevem graffiti, který slouží jako podpis autora. V rámci práce byly otestovány state-of-art detekční systémy, z nichž se nejvíce osvědčil Single Shot MultiBox Detector. Bylo u něj dosaženo 75,7% AP.
|
|
|
Rozpoznání registrační značky
Mrhač, Ondřej ; Sochor, Jakub (oponent) ; Navrátil, Jan (vedoucí práce)
Tato práce se zaobírá problematikou detekování, rozpoznávání státních poznávacích značek a následnou implementací pro konkrétní zařízení i.MX 6 Series od společnosti NXP semiconductors s.r.o. S využitím knihovny OpenCV a Tesseractu byl vytvořen vzorový program na detekci a rozpoznání registrační značky, který byl úspěšně zprovozněn na tomto zařízení. Následně byl podroben měření rychlosti běhu na počítači a na daném zařízení. Výsledkem bylo nalezení nejnáročnějších fází programu a dle toho byla navržena další možná vylepšení a rozšíření.
|
|
|
Bezkontaktní měření rozměrů determinačních šupin
Šemora, Petr ; Matoušek, Radomil (oponent) ; Škrabánek, Pavel (vedoucí práce)
Tato práce se zabývá bezkontaktním měřením rozměrů análního štítku ještěrky obecné. V práci jsou nejprve stručně shrnuty techniky využívané k měření rozměrů objektů a techniky využívané k segmentaci obrazu. Následně práce poskytuje základní shrnutí o neuronových sítích a konvolučních neuronových sítích. V praktické části je popsán systém pro měření rozměrů análního štítku ještěrky obecné. Navržené algoritmy jsou implementovány v grafickém uživatelském rozhraní umožňující automatické i ruční měření.
|
|
|
Protidronová ochrana perimetru
Janík, Roman ; Dvořák, Michal (oponent) ; Drahanský, Martin (vedoucí práce)
Rozvoj technologie dronů s sebou přináší příležitosti pro mnoho oblastí lidské činnosti, ale zároveň i bezpečnostní hrozby. Vzniká potřeba těmto hrozbám efektivně čelit. V této práci je popsána problematika a současné metody pro detekci objektů ve videu zachyceném pohybující se kamerou. Byl navržen systém pro detekci a lokalizaci dronu či hejna dronů. Algoritmus pro detekci je založen na konvoluční neuronové síti, konkrétně na algoritmu SSD. Konvoluční neuronovou síť byla natrénována na vlastním datasetu. Systém byl implementován pomocí knihovny OpenCV s možnou akcelerací algoritmu na GPU pomocí OpenCL. Vytvořené řešení bylo otestováno na videu.
|
|
|
Hodnocení neurčitosti predikcí neuronových sítí v úlohách klasifikace, detekce a segmentace
Vlasák, Jiří ; Kohút, Jan (oponent) ; Herout, Adam (vedoucí práce)
Tato práce se zaměřuje na porovnání tří široce používaných metod pro zlepšení odhadů neurčitosti: hlubokých ansámlů, monte carlo dropout a temperature scaling. Tyto metody jsou aplikovány na šest modelů pro počítačové vidění, mezi nimiž jsou předtrénované modely i modely trénované od nuly. Tyto modely jsou hodnoceny na datasetech počítačového vidění pro úlohy klasifikace, sémantické segmentace a detekce objektů, při použití široké škály metrik. Modely jsou rovněž evaluovány na transformovaných datasetech, kvůli jejich ohodnocení na datech mimo trénovací distribuci. Tyto modifikované modely dosahují slibných výsledků. Ansámbly překonávají ostatní modely až o 70 % v přesnosti a o 0.2 v IOU na transformovaném segmentačním datasetu MedSeg COVID-19 a zároveň překonávají ostatní modely na datasetech CIFAR-100 a FMNIST.
|
|
|
Autonomní vozidlo pro model dopravní situace
Schneiderka, Dominik ; Boštík, Ondřej (oponent) ; Janáková, Ilona (vedoucí práce)
Tato práce se zabývá vývojem autonomního autíčka na autodráze Carrera 143. Předmětem ovládání autíčka je samovolné zastavení na semaforu při svítící červené, či zastavení před překážkou. Práce popisuje vyvinuté elektrické obvody pro autíčko a jejich usazení na model vozidla. Algoritmy vyvinuté pro sledování vozovky před vozidlem jsou psány v jazyce C/C++ a výpočetní jednotku tvoří Raspberry Pi Zero. K práci s obrazovými informacemi je využito knihovny OpenCV. Veškeré zdrojové kódy byly vyvinuty ve vývojovém prostředí Microsoft Visual Studio 2019.
|
|
|
Pedestrians Detection in Traffic Environment by Machine Learning
Tilgner, Martin ; Klečka, Jan (oponent) ; Horák, Karel (vedoucí práce)
This thesis deals with pedestrian detection using convolutional neural networks from the perspective of autonomous vehicle. Especially by testing these networks in the sense of finding a suitable practice of creating a dataset for machine learning models. A total of ten machine learning models of meta architectures Faster R-CNN with ResNet 101 as a feature extractor and SSDLite with the MobileNet_v2 feature extractor were trained. These models were trained on datasets of various sizes. The best results were achieved on a dataset of 5 000 images. In addition to these models, a new dataset aimed at pedestrians at night was created. Furthermore, a Python library was created for work with datasets and script for automatic creation of dataset.
|
|
|
Vizuální detekce malých předmětů pomocí dostupných nástrojů v prostředí MATLAB
Sladký, Jiří ; Dobossy, Barnabás (oponent) ; Appel, Martin (vedoucí práce)
Tato práce zkoumá možnosti detekce malých objektů na obrázcích pomocí metody YOLO, algoritmu hlubokého učení dostupného v programu MATLAB. V práci byl navržen a natréno-ván detektor, jež dokáže detekovat hospodářská zvířata při pohledu shora. Vytvořen byl nástroj, který provede detekce s pomocí představeného modelu i na obrázcích o vysokém rozlišení a následně spočítá přítomné objekty. Naprogramován byl generátor syntetických obrázků, který výrazně pomohl s natrénováním tohoto modelu. Byly realizovány různé experimenty, jež vedly k nalezení hranic metody YOLO a ověřily přínos představených vylepšení.
|
host ::
RSS.