|
|
Sdílení zkušeností v posilovaném učení
Mojžíš, Radek ; Šůstek, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
Cílem této práce je využít metod sdílení zkušeností při učení neuronových sítí na problém posilovaného učení. Jako testovací prostředí používám staré 2D konzolové hry, jako například space invaders nebo Phoenix. Testuji vliv přeučení již natrénovaných modelů na nová podobná prostředí. Dále zkouším metody pro přenášení rysů domén. Nakonec se zaměřuji na možnosti trénování modelu na několika prostředích simultánně. Z výsledků získáme přehled o možnostech sdílení zkušeností při trénování modelů pro algoritmy posilovaného učení.
|
|
|
Aktivní učení s neuronovými sítěmi
Beneš, Štěpán ; Fajčík, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
Práce se věnuje problematice propojení aktivního učení a konvolučních neuronových sítí při rozpoznávání obrazu. Cílem je pozorovat chování vybraných strategií aktivního učení v širším spektru podmínek. Nejprve se v práci nachází teoretický úvod do problematiky aktivního učení, následně je věnován prostor motivaci a obtížím spojení aktivního učení s neuronovými sítěmi. Samotné chování vybraných strategií při kontinuálním učení je pak pozorováno pomocí několika experimentů, testujících závislost výkonu na obtížnosti datasetu, kvalitě trénovaného modelu, trénovacích epochách, velikosti přidávané sady vzorků, spolehlivosti anotátora a použití techniky pseudo-označování. Výsledky ukazují závislost kontinuálního aktivního učení na obtížnosti datasetu a počtu trénovacích iterací, dále pak odolnost strategií na rozumnou míru chybovosti anotátora. Benefity z pseudo-označování jsou úzce spjaty s dostatečnou kvalitou modelu. Konečně, tradiční strategie aktivního učení mohou v několika případech konkurovat strategiím šitým na míru pro konvoluční sítě.
|
|
|
Podpora hry Krycí jména na mobilním telefonu s OS Android
Grossmann, Jan ; Fajčík, Martin (oponent) ; Smrž, Pavel (vedoucí práce)
Tato bakalářská práce se zabývá tvorbou aplikace pro podporu hraní společenské hry Krycí jména pro zařízení s operačním systémem Android. Aplikace pomáhá uživateli se strategií a usnadňuje rozhodování při podávání nápovědy. V práci nejprve probírám stávající řešení a jejich nedostatky. Na základě těchto poznatků rozebírám navržené řešení a poté i samotnou implementaci pomocí programovacího jazyka Java, do které patří uložení dat pomocí databázového systému nebo také rozpoznávání obrazu. Závěrem provádím a detailně popisuji uživatelské testování a důležité poznatky z něho vyplývající.
|
|
|
Metody hlubokého učení pro zpracování obrazů
Křenek, Jakub ; Chmelík, Jiří (oponent) ; Kolář, Radim (vedoucí práce)
Tato diplomová práce se zabývá metodami hlubokého učení pro rozpoznávání obrazů přes historii po vývoj moderních metod. Hlavní důraz je kladen na konvoluční neuronové sítě a na nich postavené modely určené pro klasifikaci, detekci a segmentaci obrazu. Metody jsou následně využity pro praktickou aplikaci počítání projíždějících automobilů na snímcích z dopravní kamery. Po otestování dostupných modelů byla použita architektura sítě YOLOv2, která byla přetrénována na vlastní sadě trénováních dat. Součástí aplikace je i přidání sledovacího algoritmu SORT.
|
|
|
Agent pro hraní Texas Hold'em pokeru
Bambušek, Petr ; Blažek, Jan (vedoucí práce) ; Majerech, Vladan (oponent)
Cílem této práce je vytvořit agenta pro hraní Texas Hold'em pokeru, který bude snadno rozšiřitelný o nové vstupy, výstupy a herní strategie. Toto prezentujeme jednak na vstupu založeném na rozpoznávání obrazu klienta vybrané online poker herny, jednak na jednoduché herní strategii založené na expertním systému. Hlavní pracovní algoritmus agenta bude zapouzdřen v jediném objektu a spouštěn ve vedlejším vlákně. Toto umožní agenta snadno zakomponovat a řídit z jiných programů, ukázkový způsob ovládání a nastavení prezentujeme na jednoduché grafické aplikaci. Výsledný agent může dále sloužit jako nástroj pro testování a tvorbu nových herních strategií. Powered by TCPDF (www.tcpdf.org)
|
|
|
Analýza leteckých snímků pro mapování archeologických lokalit
Gojda, Ondřej ; Klimešová, Dana (vedoucí práce)
Nejdůležitější funkcí geografických informačních systémů je ucelená analýza a prezentace dat, především v oblastech životního prostředí, územního plánování, logistiky, atd. Jedním z oborů, které v poslední době zažívají značný pokrok díky výpočetní technice a úzké návaznosti na GIS, je archeologie. Hlavním cílem dizertační práce bude aplikace pokročilých metod zpracování obrazu v prostředí GIS na leteckou fotografii aplikovanou v archeologii. Konkrétně půjde o automatickou vektorizaci tvarů zahloubených antropogenních objektů a jejich následné zanesení do geografického souřadnicového systému, resp. do GIS.
|
|
|
Vyhodnocování rozpoznávání obrazu
Kučerová, Pavla ; Mlích, Jozef (oponent) ; Zemčík, Pavel (vedoucí práce)
Práce se zabývá způsoby rozpoznávání obrazu a moţnostmi jejich vyhodnocování. Součástí je návrh a implementace metody porovnání vlivu předzpracování na vybrané algoritmy rozpoznávání obrazu. Metoda byla testována a posouzena pro algoritmy lineární klasifikace, k-nearest neighbors, AdaBoost a SVM.
|
|
|
Čtečka Braillova písma
Vicián, Martin ; Polok, Lukáš (oponent) ; Maršík, Lukáš (vedoucí práce)
Tato bakalářská práce se zabývá metodami detekce a dekódování digitalizovaných dokumentů v Braillově písmu do latinky. Popisuje funkci skenerů a jejich použití pro digitalizování Braillova písma. Analyzuje různé metody prahování, detekce rotace a zpracování znaků. Popisuje implementovaný program v jazyku C++, knihovně OpenCV a Qt frameworku. Na závěr navrhuje nejvhodnější postup dekódování.
|
|
|
Čtečka Braillova písma
Mezírka, Martin ; Šolony, Marek (oponent) ; Maršík, Lukáš (vedoucí práce)
Tato bakalářská práce se zabývá problematikou převodu naskenovaného Braillova dokumentu na text. Nejprve se zaměřuje na samotné Braillovo písmo a princip skenerů. Dále představuje návrh možného způsobu rozpoznávání Braillových dokumentů. Nakonec je umístěn popis implementace programu s přehledem použitých knihoven OpenCV a Qt frameworku. Závěr poskytuje přehled spolehlivosti použitého řešení a diskutuje další možná rozšíření programu.
|
|
|
Hluboké neuronové sítě v rozpoznávání obrazu
Kozel, Michal ; Španěl, Michal (oponent) ; Hradiš, Michal (vedoucí práce)
Neuronové sítě momentálně dosahují nejlepších výsledků při rozeznávání řeči, obrazu a i dalších klasifikačních úloh. Tato práce popisuje základní prvky a vlastnosti neuronových sítí a způsob jejich učení. Cílem této práce bylo rozšířit Caffe framework o nové metody učení a porovnat jejich výsledky pomocí experimentů na datasetu Cifar-10. Konkrétně RMSPROP a normalizovaný SGD
|
host ::
RSS.