|
|
Akustická detekce špačků pomocí umělé inteligence
Zezula, Benjamin ; Vlachová Hutová, Eliška (oponent) ; Marcoň, Petr (vedoucí práce)
Plašení špačků na vinicích za účelem ochránění úrody je při použití dostupných prostředků velmi nákladné nebo se stává postupem času neúčinné. V této práci je popsán návrh a vývoj akustického detekčního modulu, který předá informaci o výskytu hejna špačků v blízkosti vinice modulu zajištujícímu plašení. Detekční modul je navržen ve dvou variantách, které jsou následně porovnány. První varianta je sestavená z~jednoho směrového mikrofonu, který se otáčí a postupně snímá celý prostor vinice. Druhá varianta používá se čtyři mikrofony, kdy každý směřuje na jednu světovou stranu. Oba detekční moduly zpracovávají signál v jednodeskovém počítači Raspberry Pi 4 algoritmem konvoluční neuronové sítě využívající architekturu MobileNetV2.
|
|
|
Detekce palných zbraní v obrazu
Debnár, Pavol ; Drahanský, Martin (oponent) ; Dvořák, Michal (vedoucí práce)
Táto práca sa zaoberá detekciou palných zbraní v obraze. V teoretickej časti je najprv definovaný pojem palná zbraň a potom sú uvedené typy palných zbraní. Nasleduje vysvetlenie obrazového šumu, ktorý môže do značnej miery ovplyvniť výsledok detekcie, a sú uvedené spôsoby, ako ho redukovať. Ďalej sú definované algoritmy obrazovej detekcie, ktoré pracujú na báze neurónových sietí - konvolučné neurónové siete (CNN) a Single Shot Multibox Detector (SSD). Vysvetlené sú aj klasické algoritmy pre detekciu v obraze ako HOG+SVM a SURF. V ďalšej časti sú uvedené použité knižnice a softvér. Nasleduje experimentálna časť, kde uvedieme navrhnutý postup riešenia a databázu. Pre detekciu boli použité algoritmy HOG+SVM, SURF a SSD. Následne sú uvedené výsledky testov na databáze a videu, čomu nasleduje zhrnutie a možnosti rozšírenia do budúcnosti.
|
|
|
Odhad pozice chodidel v obraze
Havlíček, Lukáš ; Orság, Filip (oponent) ; Goldmann, Tomáš (vedoucí práce)
Tato práce se zabývá návrhem a implementací řešení odhadu pozice chodidel v obraze se zaměřením na případy, kdy jsou nohy v obraze zakryté. Je zde popsána oblast antropometrie, neuronových sítí, návrhu a implementace řešení a následné experimenty. K řešení je využito vlastní konvoluční sítě, implementované pomocí rozhraní Keras s vytvořením vlastního datasetu se zaměřením na zakryté nohy. U experimentů je využito ostatních bodů na těle za účelem zvýšení přesnosti.
|
|
|
An automatic football match event detection
Dvonč, Tomáš ; Říha, Kamil (oponent) ; Přinosil, Jiří (vedoucí práce)
This diploma thesis describes methods suitable for automatic detection of events from video sequences focused on football matches. The first part of the work is focused on the analysis and creation of procedures for extracting informations from available data. The second part deals with the implementation of selected methods and neural network algorithm for corner kick detection. Two experiments were performed in this work. The first captures static information from one image and the second is focused on detection from spatio-temporal data. The output of this work is a program for automatic event detection, which can be used to interpret the results of the experiments. This work may figure as a basis to gain new knowledge about the issue and also to the further development of detection events from football.
|
|
|
Detekce a analýza narušitelů ve sledované oblasti
Sadílek, Jakub ; Drahanský, Martin (oponent) ; Goldmann, Tomáš (vedoucí práce)
Cílem této práce je vytvořit internetovou aplikaci pro detekci a analýzu narušitelů ve sledované oblasti. Taková aplikace může následně posloužit k automatizovanému zpracování videozáznamů z bezpečnostních kamer či jinak pořízených videí ze střežené oblasti. První část práce je zaměřena na teorii neuronových sítí pro detekci a klasifikaci objektů v obraze a rozpoznávání osob podle obličeje. V další části jsou popsány použité technologie pro vývoj aplikací. Výsledkem pak je klient-server aplikace s možností konfigurace zpracování, která umožňuje detekci narušitelů, identifikaci osob, sledování a počítání objektů, vykreslování cest, vymezení sledované oblasti, uplatnění vlastního detektoru aj. Zpracované záznamy je nakonec možné přehrát, stáhnout nebo spolu s výpisem detekovaných narušitelů sdílet na internetu pomocí odkazu.
|
|
|
Robotic Tracking of a Person using Neural Networks
Zakarovský, Matúš ; Lázna, Tomáš (oponent) ; Žalud, Luděk (vedoucí práce)
The main goal of this thesis was to create a software solution based on a neural network to enable detection of a person and its subsequent following. This was achieved via completion of the points of the assignment. First, a hardware solution and used libraries and application programming interfaces were described as well as the robotic platform supplied by the Robotics and AI group of BUT Department of Control and Instrumentation upon which the robot was built on. Next, a research of various neural networks used for person detection was conducted. Four detectors were described in detail. Some of them were tested on either a PC or a NVIDIA Jetson Nano computer. Afterwards, a software solution consisting of five programs was created to achieve goals such as, detection of the person using ped-100 neural network, real-world position with reference to the robot estimation using monocular camera and robot control to successfully follow a target. The output of this thesis is a robotic platform able to detect and follow a person that can be used in a real-world applications.
|
|
|
Image Captioning with Recurrent Neural Networks
Kvita, Jakub ; Španěl, Michal (oponent) ; Hradiš, Michal (vedoucí práce)
In this work I deal with automatic generation of image captions by using multiple types of neural networks. Thesis is based on the papers from MS COCO Captioning Challenge 2015 and character language models, popularized by A. Karpathy. Proposed model is combination of convolutional and recurrent neural network with encoder--decoder architecture. Vector representing encoded image is passed to language model as memory values of LSTM layers in the network. This work investigate, whether model with such simple architecture is able to generate captions and how good it is in comparison to other contemporary solutions. One of the results is that the proposed architecture is not sufficient for any image captioning task.
|
|
|
Image based smoke and fire detection
Ďuriš, Denis ; Burda, Karel (oponent) ; Přinosil, Jiří (vedoucí práce)
This diploma thesis deals with the detection of fire and smoke from the image signal. The approach of this work uses a combination of convolutional and recurrent neural network. Machine learning models created in this work contain inception modules and blocks of long short-term memory. The research part describes selected models of machine learning used in solving the problem of fire detection in static and dynamic image data. As part of the solution, a data set containing videos and still images used to train the designed neural networks was created. The results of this approach are evaluated in conclusion.
|
|
| |
|
|
Zvyšování konzistence v datových sadách pro rozpoznávání textu
Tvarožný, Matúš ; Hradiš, Michal (oponent) ; Kišš, Martin (vedoucí práce)
Táto práca sa zaoberá zvyšovaním konzistencie dátových sád pre rozpoznávanie textu. V tejto práci sú popísane problémy, ktoré nekonzistenciu spôsobujú a následne sú predstavené riešenia na jej odstránenie. Skúmaný je vplyv vlastností polygónov definujúcich ohraničenie riadkov a teda to ako upravená verzia dátovej sady, ktorá je zložená z ideálnych variant riadkov ovplyvnila presnosť modelu. Ďalej sa práca zameriava na detekciu a následné odstránenie alebo upravenie riadkov, ktorých prepis ground truth nekorešponduje so skutočným textom, ktorý sa na nich nachádza. Experimentovaním sa ukázalo, že odstránenie vizuálnej nekonzistencie na trénovacej sade nemá zásadný vplyv na natrénovanosť modelu, za to poupravením testovacej sady sa presnosť OCR modelu zlepšila o 1.1\% CER. Upravením dátovej sady tak, aby neobsahovala navzájom nekonzistentné dvojice rozpoznávaného textu a príslušnej ground truth, sa model po opätovnom natrénovaní zlepšil maximálne len o 0.2\% CER. Hlavným zistením tejto práce je predovšetkým preukázaný priaznivý účinok odstránenia nekonzistencie na testovacích sadách, vďaka ktorému je možné zistiť reálnejšiu chybovosť OCR modelu.
|
host ::
RSS.