|
|
Soubor úloh pro kurs Sběr, analýza a zpracování dat
Kornfeil, Vojtěch ; Havlíková, Marie (oponent) ; Čejka, Miloslav (vedoucí práce)
Tato práce si klade za cíl provedení návrhu zadání úloh pro uvedený kurs a návrhu a zpracování automatizovaného systému hodnocení. Těžištěm práce jsou diskuze a vzorová vypracování možných zadání jednotlivých úloh a zpracování automatizovaného hodnotícího systému. Pro hodnotící program jsou provedeny zkoušky na zvolených datech, které prokáží jeho funkčnost pro posloupnosti obecně.
|
|
|
Meření podobnosti obrazů s pomocí hlubokého učení
Štarha, Dominik ; Šeda, Pavel (oponent) ; Rajnoha, Martin (vedoucí práce)
Tato diplomová práce se zabývá výzkumem technologií, využívajících metod hlubokého učení, využitelných při zpracovávání obrazových dat. Konkrétním zaměřením práce je zhodnotit vhodnost a efektivnost hlubokého učení při porovnávání dvou vstupních obrazových dat. První – teoretická – část zahrnuje úvod do problematiky neuronových sítí a hlubokého učení. Obsahuje popis dostupných možností a jejich výhody a principy, vhodné při zpracování obrazových dat. Druhá – praktická – část práce obsahuje návrh vhodného modelu siamských sítí pro řešení problému problematiky porovnávání dvou vstupních obrazů a vyhodnocení jejich podobnosti. Výstupem je zhodnocení několika možných konfigurací modelu a vyzdvihnutí parametrů modelu s nejlepšími výsledky.
|
|
| |
|
|
Paralelizace v jazyce Rust
Šlampa, Ondřej ; Bařina, David (oponent) ; Kobrtek, Jozef (vedoucí práce)
Tato práce se zabývá paralelizací v jazyce Rust. Cílem této práce je zhodnotit výkon a použitelnost jazyka Rust pro tvorbu paralelních aplikací ve srovnání s již používanou alternativou - OpenMP. Toto porovnání bylo provedeno na výpočtu n-rozměrné konvoluce. V závěru se nachází zhodnocení výsledků a návrhy pro jejich další využití.
|
|
|
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.
|
|
|
Hluboké neuronové sítě pro rozpoznání tváří ve videu
Mihalčin, Tomáš ; Sochor, Jakub (oponent) ; Hradiš, Michal (vedoucí práce)
Táto diplomová práca sa zameriava na rozpoznanie tvári z videa, konkrétne na spôsob agregácie príznakových vektorov, do jedného diskriminatívneho vektora, tiež nazývaného šablóna. Skúma problém extrémne natočených tvárí, vzhľadom na presnosť verifikácie. Ďalej, porovnáva vzťah medzi šablónami tvorenými vektormi extrahovanými zo snímkov z videa a vektormi z fotografií. Navrhnutá hypotéza je testovaná pomocou dvoch hlbokých konvolučných neurónových sietí a to so známym modelom VGG-16 siete a modelom siete nazývanej Fingera, poskytnutej od firmy Innovatrics. V rámci práce, bolo vykonaných niekoľko experimentov, ktorých výsledky potvrdzujú úspešnosť navrhnutého postupu. Ako metrika presnosti bola zvolená ROC krivka. K práci s neurónovými sieťami bol použitý framework Caffe.
|
|
|
Vytvoření interaktivních programů pro podporu výuky zpracování signálů
Pacas, Ondrej ; Rajmic, Pavel (oponent) ; Mangová, Marie (vedoucí práce)
Bakalářská práce se zabývá vytvořením čtyř interaktivních nástrojů pro podporu výuky zpracování signálů. Cílem práce je vytvořit aplikace které budou vizuálně interpretovat jednotlivé metody zpracování signálů. Toto zahrnuje aplikace pro lineární regresi a metodu nejmenších čtverců, interpolaci a rekonstrukce signálu z jeho vzorků, diskrétní lineární konvoluci a diskrétní křížovou korelaci. Aplikace jsou vytvořeny v programovacím jazyce JavaScript.
|
|
|
Realizace hranového detektoru s využitím vlnkové transformace
Pálka, Zbyněk ; Rášo, Ondřej (oponent) ; Růčka, Lukáš (vedoucí práce)
Tato práce se zabývá detekcí hran v obraze. V teoretické části práce jsou obsaženy běžně používané metody detekce hran, využívající první i druhou derivaci a jsou zde popsány hranové detektory obě zmíněné metody. Dále je zde popsána spojitá, diskrétní a dvourozměrná diskrétní vlnková transformace a princip odstranění šumu v obraze pomocí diskrétní vlnkové transformace. V další části jsou rozebrány dvě metody detekce hran s použitím vlnkové transformace a jejich možná realizace v programu Matlab. V praktické části práce je detailně popsán algoritmus programu na detekci hran s využitím vlnkové transformace a jsou zde popsány jednotlivé funkce programu. Hlavní náplní praktické části jsou vizuální výsledky vlnkového hranového detektoru a jejich porovnání s Cannyho, Prewittové a Sobelovým hranovým detektorem.
|
|
| |
|
|
Deskriptor pro identifikaci osoby podle obličeje
Coufal, Tomáš ; Orság, Filip (oponent) ; Goldmann, Tomáš (vedoucí práce)
Práce shrnuje dosavadní poznatky v oboru biometrie při řešení problematiky identifikace osoby podle tváře. Zaměřuje se na konvoluční neuronové sítě a kapslové sítě. Dále se zabývá současnými, modernímy postupy a jejich implementacemi. V neposlední řadě nabízí vlastní implementaci obdobného řešení na bázi architektury CapsNet - kapslových neuronových sítí. Práce dále rozebírá přínosy a možnosti využití této architektury pro identifikaci podle obličeje.
|
host ::
RSS.