|
|
Detection and Classification of Vehicles for Embedded Platforms
Skaloš, Patrik ; Hradiš, Michal (oponent) ; Špaňhel, Jakub (vedoucí práce)
This paper evaluates the performance trade-offs of state-of-the-art YOLOv8 object detectors for vehicle detection in surveillance-type images on embedded and low-performance devices. YOLOv8 models of varying sizes, including one with the lightweight MobileNetV2 backbone and YOLOv8-femto with fewer than \num{60000} parameters, were benchmarked across six devices, including three NVIDIA Jetson embedded platforms and the low-performance Raspberry Pi 4B. Various factors influencing performance were considered, such as weight quantization, input resolutions, inference backends, and batch sizes during inference. This study provides valuable insights into the development and deployment of vehicle detectors on a diverse range of devices, including low-performance CPUs and specialized embedded platforms.
|
|
|
Zvyšování bitové hloubky zvukových signálů
Mrázek, Tomáš ; Mokrý, Ondřej (oponent) ; Rajmic, Pavel (vedoucí práce)
Tato bakalářská práce má za úkol se seznámit se základními i pokročilými metodami dekvantizace. Probírá také základy declippingu s bližším pohledem na metodu využívající sociální řídkost. Tuto metodu lze upravit a realizovat algoritmus audio dekvantizace za pomoci sociální řídkosti. Výsledný program si originální soubor nakvantizuje na požadovanou bitovou hloubku a následně ho rekonstruuje do co nejbližší podobnosti s originálem.
|
|
|
Webové aplikace pro podporu výuky komprimačního algoritmu JPEG
Dziuina, Valeriia ; Záviška, Pavel (oponent) ; Rajmic, Pavel (vedoucí práce)
Daná bakalářská práce se zabývá problematikou ztrátové komprese obrazových dat realizované algoritmem JPEG. Je zde popsán samotný algoritmus JPEG a také nezbytné pro jeho pochopení podklady, jako například fyzikální a fyziologická podstata vzniku barvy, její základní parametry a barevné modely RGB a YCbCr. Výsledkem této práce jsou tři webové aplikace, každá ze kterých by měla názorně demonstrovat průběh určitých kroků daného algoritmu a jejich vliv na výsledný obraz. Tyto aplikace jsou nejprve zaměřené na jednodušší pochopení procesu komprese obrazových dat v rámci algoritmu JPEG.
|
|
|
Modelování akcelerátorů neuronových sítí
Klhůfek, Jan ; Sekanina, Lukáš (oponent) ; Mrázek, Vojtěch (vedoucí práce)
Cílem této diplomové práce je zaměřit se na modelování akcelerátorů neuronových sítí s HW podporou kvantizace. Práce nejprve přibližuje koncept výpočtu konvolučních neuronových sítí (CNN) a představuje kategorie různých hardwarových architektur, které slouží k jejich zpracování. Následně jsou shrnuty optimalizační techniky modelů CNN, jejichž cílem je dosáhnout efektivního zpracování na specializovaných hardwarových architekturách. Další část práce obsahuje porovnání existujících analytických nástrojů, jež slouží k odhadu výkonnostních parametrů HW při inferenci, a které jsou rozšiřitelné o implementaci podpory kvantizace. Na základě experimentálního porovnání byl pro účely této práce vybrán nástroj Timeloop. Dále je představen popis fungování tohoto nástroje spolu s návrhem a implementací jeho rozšíření o podporu kvantizace. V závěru práce jsou experimentálně otestovány důsledky různých konfigurací kvantizace na vyhodnocené parametry inference u různých hardwarových architektur.
|
|
|
Automatická kvantizace neuronových sítí
Šafář, Miroslav ; Vašíček, Zdeněk (oponent) ; Mrázek, Vojtěch (vedoucí práce)
Kvantizace hlubokých neuronových sítí je častou technikou optimalizace jejich paměťové a energetické náročnosti, aby mohly být nasazeny na zařízení s omezenými zdroji. Kvantizace se smíšenou přesností umožňuje ještě lepší paměťové a energetické úspory. Volba kvantizačních úrovní jednotlivých vrstev však vyžaduje odborné znalosti a hlubokou analýzu sítě, což je časově velmi náročná činnost. V této bakalářské práci se věnuji návrhu systému pro automatické určování kvantizační úrovně jednotlivých vrstev vstupní neuronové sítě. Využívám k tomu evoluční algoritmus NSGA-II a quantization-aware učení k doladění parametrů kvantizované sítě. S navrženým systémem jsem provedl experimenty s neuronovou sítí MobileNet a podmnožinou datové sady ImageNet. Navržený systém nalezl řešení, které téměř desetkrát zmenšuje velikost modelu při zachování jeho Top-1 klasifikační přesnosti, což v tomto případě překonalo uniformní kvantizaci téměř o 100 %. Tyto úspory lze využít ke snížení výrobních nákladů pamětí do hardwarových akcelerátorů nebo k nasazení hlubokých neuronových sítí na ještě menší zařízení.
|
|
|
Moderní metody rekonstrukce saturovaných audio signálů
Mikulášková, Aneta ; Mokrý, Ondřej (oponent) ; Rajmic, Pavel (vedoucí práce)
Práce se zabývá simulacemi a následnou rekonstrukcí měkké saturace, u které dochází při zpracování audio signálů. Metoda obnovy využívá jako výchozí Douglas-Rachfordův algoritmus (již ověřený pro tvrdý ořez signálu). Algoritmus je rozšířen o inverzní funkce a de-kvantizaci. Simulace jsou aplikovány na reálných zvukových datech a návrh je testován ve výpočetním prostředí MATLAB. Obnovený signál je vyhodnocen za pomocí objektivních a subjektivních metod.
|
|
|
Sada počítačových cvičení pro Signály a systémy
Pálka, Petr ; Žmolíková, Kateřina (oponent) ; Černocký, Jan (vedoucí práce)
Cílem této práce je transformovat současný formát materiálů k počítačovým cvičení z předmětu Signály a Systémy do prostředí Jupyter. Dosavadní materiály jsou členěny podle témat do jednotlivých PDF souborů, které obsahují relevantní teorii a ukázky MATLAB kódu. Tematické okruhy se zabývají základy digitálního zpracování signálů na počítači. Vytvořené Jupyter notebooky obsahují teoretickou oporu z originální předlohy ve formátu Markdown + LaTeX a~původní implementace pro prostředí MATLAB je zde převedena do jazyka Python. Tyto materiály navíc přímo prezentují výstupy Python kódu typu graf, přehratelné audio, text, obrázek nebo jejich interaktivní kombinace.
|
|
|
Moderní metody rekonstrukce saturovaných audio signálů
Mikulášková, Aneta ; Mokrý, Ondřej (oponent) ; Rajmic, Pavel (vedoucí práce)
Práce se zabývá simulacemi a následnou rekonstrukcí měkké saturace, u které dochází při zpracování audio signálů. Metoda obnovy využívá jako výchozí Douglas-Rachfordův algoritmus (již ověřený pro tvrdý ořez signálu). Algoritmus je rozšířen o inverzní funkce a de-kvantizaci. Simulace jsou aplikovány na reálných zvukových datech a návrh je testován ve výpočetním prostředí MATLAB. Obnovený signál je vyhodnocen za pomocí objektivních a subjektivních metod.
|
|
|
Audio Signal Declipping and Dequantization Using Sparsity-Based Methods
Záviška, Pavel ; Šroubek,, Filip (oponent) ; Koldovský,, Zbyněk (oponent) ; Rajmic, Pavel (vedoucí práce)
Audio signals are susceptible to various types of quality degradation, with clipping being one of the most common and problematic distortions. This Thesis addresses the restoration of audio signals corrupted by nonlinear distortions and presents the contribution in the field of sparsity-based audio restoration algorithms, with the main focus on audio declipping and dequantization. The first part of the Thesis deals with the problem of audio declipping and presents several sparsity-based approaches, containing both the original research and adopted algorithms, which have been reimplemented or modified. The performance of the algorithms is evaluated using the Signal-to-Distortion ratio, as well as perceptually motivated metrics of sound quality. Then, attention is paid on incorporating psychoacoustic information into declipping by weighting the transform coefficients. Three possible constructions of the weights are presented and it is shown that with correctly chosen weights, it is possible to significantly improve the performance of the algorithms, which achieve state-of-the-art restoration quality with low computational complexity. Special focus is also paid on declipping methods that allow a deviation in the reliable part. In that direction, the Thesis studies the perceptual effects of plain replacement of the reliable samples, then identifies its main weaknesses and introduces methods to compensate the discovered negative effects. It is shown that using this technique, it is possible to enhance the performance of such declipping algorithms without a significant increase in computational complexity. Finally, selected declipping algorithms are adopted to the problem of audio dequantization. The Thesis is accompanied by repositories containing implementations of the presented methods.
|
|
|
Umělá inteligence na platrofmě nVIDIA Jetson
Batelka, Lukáš ; Kozovský, Matúš (oponent) ; Blaha, Petr (vedoucí práce)
Cílem této bakalářské práce je vytvoření, naučení a implementace umělé neuronové sítě ve vestavném zařízení NVIDIA Jetson Nano. V první části práce je popsán současný stav implementace umělé inteligence ve vestavných zařízeních. Následující část popisuje nástroje pro vývoj umělých neuronových sítí a možnosti jejich implementace v zařízení. Tyto nástroje jsou dále v práci použity pro vytvoření a natrénování umělé neuronové sítě, která má za cíl detekovat poruchu v předzpracovaných datech z měření na synchronním elektromotoru. Nakonec je popsán způsob provedené optimalizace natrénované neuronové sítě. Dosažené výsledky jsou shrnuty v závěru práce.
|
host ::
RSS.