|
|
Podpora deskové hry Nemesis na mobilním telefonu s OS Android
Štěpánek, Miroslav ; Švec, Tomáš (oponent) ; Smrž, Pavel (vedoucí práce)
Cílem této práce je vytvořit mobilní aplikaci k deskové hře Nemesis určenou na systém Android, která umožní uživateli zjistit informace o herních komponentech při hře. Práce se skládá ze dvou hlavních částí, první je model vytvořený za pomoci knihovny Tensorflow, který zajišťuje detekci těchto komponent. Druhou je pak samotná aplikace, která dostává výsledky od dříve zmíněného modelu a zobrazuje výsledné informace uživateli. Toto usnadňuje uživateli hru a pomáhá ji i urychlit. Výsledný systém je možné modifikovat, tak aby byla aplikace využitelná i pro jiné hry.
|
|
|
Využití umělých neuronových sítí v klasifikaci land cover
Oubrechtová, Veronika ; Štych, Přemysl (vedoucí práce) ; Kupková, Lucie (oponent)
Využití umělých neuronových sítí v klasifikaci land cover Abstrakt Předmětem této práce je klasifikace družicových snímků vysokého prostorového rozlišení, které jsou využity k detekci land cover. První část práce podává informace o využívaných metodách během procesu klasifikace s důrazem na umělé neuronové sítě. Ty jsou v praktické části práce zpracovány pro klasifikaci družicového snímku SPOT 5. Čtenář tak získá přehled o možnostech využití umělých neuronových sítí při klasifikaci land cover. Klíčová slova: dálkový průzkum Země, klasifikace obrazu, umělé neuronové sítě, SPOT
|
|
|
Active learning for Bayesian neural networks in image classification
Belák, Michal ; Šabata, Tomáš (vedoucí práce) ; Vomlelová, Marta (oponent)
V posledných rokoch dosahujú zložité neurónové siete špičkové výsledky v klasifikácií obrazu. Trénovanie takýchto modelov však vyžaduje veľké množstvo označkovaných dát. Kým neoznačkované obrázky sú často dostupné vo ve ľkom množstve, značkovanie vyžaduje značné ľudské úsilie. Aktívne učenie znižuje nároky na značkovanie vyberan ím najinformatívnejších inštancií na označkovanie. Najpoužívanejšia rodina stratégií pre vyberanie inštancií na znač kovanie v aktívnom učení využíva odhad neistoty predpovedí modelu, ktorý sa trénuje. Moderné neurónové siete vš ak často neposkytujú spoľahlivé odhady neistoty. Bayesovské neurónové siete modelujú neistotu parametrov model u, ktorá sa premieta do neistoty v predpovediach modelu. Presná Bayesovská inferencia je však neriešiteľná pre neur ónové siete, v literatúre však existujú rôzne približné metódy. V našich experimentoch používame tri takéto metódy, ktoré kombinujeme s rôznymi stratégiami pre vyberanie inštancií, využívajúcimi neistotu v ich predpovediach.
|
|
|
Evoluční návrh klasifikátoru obrazů
Koči, Martin ; Bidlo, Michal (oponent) ; Drahošová, Michaela (vedoucí práce)
Táto práca sa zaoberá evolučným návrhom klasifikátora obrazov pomocou genetického programovania, konkrétne kartézskeho genetického programovania. Práca popisuje teoretické základy strojového učenia, evolučných algoritmov a genetického programovania. Súčasťou práce je popísaný návrh programu a jeho implementácia. Ďalej sú vykonané experimenty na dvoch riešených úlohách pre klasifikáciu ručne písaných číslic a klasifikáciu obrázkov kociek pomocou, ktorých sa dá určiť miera demencie pri Parkinsonovej chorobe. Najlepšie navrhnuté riešenie pre čísla má AUC 0.95 a pre kocky 0.86. Navrhnuté riešenia sú porovnané s inými metódami, konkrétne konvolučnými neurónovými sieťami (CNN) a metódou podporných vektorov (SVM). Výsledná AUC pre klasifikáciu číslic, je pre obe CNN a aj SVM 0.99 pre kocky mala CNN výslednú AUC 0.81 a SVM 0.69. Kocky sú následne porovnané z existujúcim riešením, pri ktorom bola výsledná AUC 0.70, takže na základe výsledkov experimentov je vidieť zlepšenie pri použitej metóde v tejto práci.
|
|
|
Right Convolutional Neural Network For Classification Illustrations In Artworks
Sikora, Pavel
This paper deals with the image classification problem in the field of artworks. The articleuses a custom dataset from artworks with eight classes of some not common objects and illustrations.This dataset is used to train three convolutional neural networks for classification. All classificationresults are well discussed and evaluated with an example on the images from a dataset.
|
|
|
Urban Element Detection Using Satellite Imagery
Oravec, Dávid ; Herout, Adam (oponent) ; Zlámal, Adam (vedoucí práce)
This thesis focuses on the right detection of objects in satellite imagery using convolutional neural networks. The goal of the thesis is to detect swimming pools and tennis courts in satellite imagery from different cities using the trained model. The model works with data from 10 different cities. The RetinaNet neural network model and Detectron2 library were used for development. The final trained model can detect objects with the average precision (AP50) at the level of 63.402 %. The thesis can be useful in the field of automating the acquisition of land surface statistics.
|
|
|
Tumor cell classification using deep-learning
Majerčík, Jakub ; Kolář, Radim (oponent) ; Vičar, Tomáš (vedoucí práce)
Classification of microscopic cancer cell images finds its use in a wide variety of biological and medical applications. This work aims to classify two lines of aggressive tumor prostate cells with induced zinc resistance using deep learning methods, and provide an interpretation of occurring classification processes. Dataset consists of more than 750 images, whose acquisition was performed using optical diffraction tomography. This microscopy method allowed for non-invasive cell imaging in their native state. This work shows an implementation of a convolutional neural network, along with methods for visualization of classification processes used to generate localization maps (Grad-CAM and an occlusion-based method). The neural network classifies two prostate cell lines used in study with an accuracy of 98,08% and the aggressive zinc-resistance phenotype with an accuracy of 96,08%. Localization maps and manual segmentation masks of cell borders, nuclei and nucleoli allowed for analysis of sub-celullar regions, which indicates that the decisive region for correct classification is the region of cytoplasm. This is most likely the result of variable vesicle count in cytoplasm, their size, as well as the overall cell size and the morfological structure of their cytoplasmic membrane depending on a given phenotype.
|
|
|
Detekce pohybujících se objektů ve videu s využitím neuronových sítí pomocí Android aplikace
Mikulec, Vojtěch ; Kiac, Martin (oponent) ; Myška, Vojtěch (vedoucí práce)
Tato diplomová práce se zabývá zrealizováním funkčního řešení problematiky klasifikace účastníků dopravního provozu pomocí mobilních zařízení s operačním systémem Android. Cílem je vytvořit Android aplikaci, která klasifikuje vozidla v reálném čase za použití zadní kamery a ukládá časové značky klasifikace. Testování probíhá převážně na vlastní, různě modifikované datové množině. Je natrénováno celkem pět modelů a změřeno zatížení hardwaru při použití každého z nich. Nejlepší přesnosti klasifikace dosahuje předtrénovaný model sítě MobileNet, který je dotrénován o 6 tříd – 62,33 %. Výsledky jsou shrnuty a v závěru je formulováno, jakým způsobem je možné rychleji a přesněji analyzovat dopravní data.
|
|
|
Texture modeling applied to medical images
Remeš, Václav ; Haindl, Michal (vedoucí práce)
V práci jsou prezentovány nové deskriptivní mnoharozměrné markovské tex- turní modely aplikované na počítačem podporovanou diagnostiku rentgenových mamogramů. Tyto netriviální matematické modely, aplikovatelné též v široké oblasti modelování mnoharozměrných vzájemně korelovaných dat mimo mamo- grafii, umožňují, oproti standardním diskriminativním modelům, ideální vizuální ověření pomocí syntézy odpovídajících datových prostorů. Veškeré dosažené výsledky byly podrobeny rozsáhlým benchmarkům. Práce prezentuje dvě metody klasifikace hustoty prsní tkáně z rentgenových mamogramů. Obě metody byly testovány na databázích MIAS a INbreast s výsledky srovnatelnými s nejnovějšími špičkovými metodami. Dále je představeno několik metod pro zcela automatické zvýrazňování mamo- grafických textur. Tyto metody jsou založeny na deskriptivních texturních mod- elech vyvinutých v rámci této práce, které se automaticky adaptují na texturu analyzovaného rentgenového snímku, díky čemuž jsou univerzální pro libovolný druh textury bez potřeby ručního nastavování konkrétních parametrů. Výstupy metod zvýrazňují oblasti zájmu detekované jako texturní abnormality. Metody umožňují nastavit zvýraznění na...
|
|
|
Statistická analýza obrazu v kontrole jakosti
Legát, David
Název práce: Statistická analýza obrazu v kontrole jakosti Autor: David Legát Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí disertační práce: Prof. RNDr. Jaromír Antoch, CSc. Abstrakt: V současné době výraznou rychlostí narůstá potřeba zpracovávat nestrukturovaná data. Jednou z významných oblastí manipulace s nestrukturo- vanými daty je zpracování signálů jako je zvuk a obraz, pro které existuje velké množství postupů. Tato práce se zabývá statistickým přístupem ke zpracování obrazu, při kterém je obraz interpretován jako reprezentant náhodného pole. Jsou zde popsány dva problémy: odstranění šumu z obrazu, které napomáhá lepší interpretaci obrazu, a klasifikace obrazu, při které se snažíme identifikovat a rozpoznávat zobrazované objekty. Část práce zaměřená na odstranění šumu po- jednává především o využití simulačních metod MCMC. Tyto postupy je možné vyzkoušet v software, který je součástí práce. Část práce pojednávající o klasi- fikaci obrazu popisuje různé modifikace metody klasifikačních stromů. V závěru práce je uveden příklad zpracování obrazu, kde cílem je identifikace vad tkaných textílií. 1
|
host ::
RSS.