|
|
Synthetic Fingerprint Generation Using GAN
Dvořák, Jiří ; Drahanský, Martin (referee) ; Kanich, Ondřej (advisor)
Tato bakalářská práce se zabývá generováním syntetických otisků prstů za pomoci modelu založeném na principu generativních soupeřících sítí. Práce shrnuje základní teoretické informace z biometrie se zaměřením na otisky prstů. Zaobírá se také principem jednoho z populárních generátorů syntetických otisků prstů - nástrojem SFinGe. Práce představuje model postavený na hluboké konvoluční generativní soupeřící síti a představuje několik metod, které vedly ke zlepšení jeho výkonu. Vyhodnocení výsledků bylo provedeno výpočtem "Fréchet Inception Distance mezi vygenerovanými a existujími otisky. Dále byl vygenerován dataset obsahující 100 snímků. Ten byl vyhodnocen nástrojem NFIQ 2.0, který ukázal, že model je schopný generovat otisky prstů kvality srovnatelné s reálnými trénovacími daty.
|
|
|
Unsupervised Anomaly Detection in Image
Salvet, Lukáš ; Herout, Adam (referee) ; Juránek, Roman (advisor)
This thesis deals with anomaly detection on industrial products. The main requirement was that the method required as little data with anomalies as possible at the time of construction and that it was easily applicable to different types of products. Neural network that is indirectly taught to find differences between two pictures is designed and described in this thesis. The anomaly detection itself should take place based on the representation of input data in latent space or in combination with a reconstruction loss. Four different method modifications have been designed and tested. The testing was mainly carried out on the MVTec AD dataset, which contains industrial products. Unfortunately the assumption that if the network is taught to look for differences the latent space will be interpreted better was not confirmed. Therefore the method was evaluated in a reconstructive error mode in~which it achieves comparable results with other methods. The result is insufficient for use in practice.
|
|
|
Reconstruction of Damaged Parts of Fingerprint Image Using Neural Nets
Bobocký, Boris ; Dyk, Tomáš (referee) ; Kanich, Ondřej (advisor)
In this paper, I propose a method for reconstructing damaged fingerprints using generative adversarial networks (GANs), implemented with Python and the PyThorch library. I have trained a specific GAN model on a dataset of approximately twenty thousand prints, created with Anguli and other damage simulation tools. This approach produced excellent results and could have wide application in biometric systems. This work highlights the potential of deep learning in the fields of image reconstruction and biometrics.
|
|
|
Fingerprint Identity Preserving Generative Adversarial Networks
Kačur, Ján ; Juránek, Roman (referee) ; Špaňhel, Jakub (advisor)
Táto práca sa sústredí na generovanie latentných odtlačkov prstov za pomoci Generatívnych oponentných neurónových sietí. Hlavnou úlohou je generovanie viacerých verzií latentných odtlačkov z čistého odtlačku, s rovnakou identitou. Identitu a štýl odtlačku by malo byť možné osobitne meniť. Zvolený postup sa zakladá na modeli AugNet. Navrhnutý algoritmus generuje latentné odtlačky z čistých binarizovaných odtlačkov a náhodného vektora, reprezentujúceho skreslenie, resp. štýl. V generátore sú použité AdaIN bloky na spojenie štýlu so vstupným odtlačkom. Je testovaných viacero trénovacích algoritmov, z ktorých WGAN-GP dosahuje najlepšie výsledky. Jednotlivé modely sú porovnávané kombináciou metrík FID a Rank-1 accuracy pri porovnávaní generovaných obrázkov s originálnymi vstupnými binarizovanými odtlačkami. Najlepšie modely sú vybrané ako Pareto optimálne kombinácie týchto 2 metrík.
|
|
|
Preparation and characterization of nanostructured III-V semiconductor materials
Maniš, Jaroslav ; Kostelník,, Petr (referee) ; Hospodková,, Alice (referee) ; Šikola, Tomáš (advisor)
Předkládaná dizertační práce se zabývá výrobou a analýzou gallium nitridových (GaN) nanostruktur ve třech odlišných formách. V prvním případě byl zkoumám trojdimenzionální GaN ve formě nanokrystalů rostených na grafenu. Nanokrystaly byly připraveny s využitím techniky droplet epitaxy, která mimo jiné umožňuje růst nanostruktur za nízké teploty substrátu (T = 200°C). Studium se zaměřovalo jak na charakterizaci kvality připravených nanokrystalů, tak na statistický popis růstu. V dalším kroku byly připravené struktury využity pro výrobu fotodektoru citlivého na ultrafialové světlo. Výroba fotodektoru a jeho úspěšné použití slouží jako základ pro navazující výzkum. Ve druhém případě byly studovány dvoudimenzionální GaN nanostruktury, které byly rovněž připraveny za nízké teploty křemíkového substrátu. Následná analýza se soustředila na popis krystalové struktury a prvkovou analýzu, neboť byly takovéto struktury pozorovány vůbec poprvé. Další rozvoj možností přípravy těchto nanostruktur je předmětem navazujícího výzkumu. Ve třetím případě byly zkoumány jednodimenzionální GaN nanodráty připravené na safírovém substrátu. Účelem tohoto projektu bylo získání datasetu pro ověření teoretického modelu, který popisuje růst horizontálních nanodrátů. Na základě sběru a analýzy dat se podařilo modelovat růstovou dynamiku GaN nanodrátů, která byly v souladu s teoretickým modelem.
|
|
|
Deposition of GaN nano structures on Si(111) 7x7
Šťastný, Jakub ; Horák, Michal (referee) ; Mach, Jindřich (advisor)
The thesis is focused on the study of growth of 2D GaN nanocrystals on Si(111) 7x7. In the theoretical part of this thesis the properties of 3D and 2D GaN, main methods used for growth of GaN and 2D GaN and applications of GaN are described. The experimental part of this thesis describes in detail the method of low temperature droplet epitaxy with assistance of ions, which was used for series of deposition of 2D GaN under different angles of ion beam. The deposition was done in the complex UHV system in the ÚFI VUT labs in Brno. The nanocrystals were analysed by SEM and AFM.
|
|
|
A neural network for reconstruction of extinct animals
Pešek, David ; Bilík, Šimon (referee) ; Jirsík, Václav (advisor)
This work was focused on designing, learning and evaluating an artificial neural network for reconstructing extinct species. First, the main element of the proposed artificial neural network, i.e., the generative model, was selected. Given their excellent performance in the field of image generation, the class of diffusion models reasonably seemed to be the right choice. Specifically, the Stable diffusion model was chosen. One of the initial steps of the work was to create a training set for the proposed model. The animal images needed to be paired with some labels that could be used to identify the animal. For this purpose, the cytochrome c oxidase subunit I genes of the given animals were used. Furthermore, the sequential transformer model GPT-2, which is learned on the training set of human natural language, was used. This model was used to encode the DNA sequences into a vector form in which the semantics and context between the different parts of the DNA sequence were captured. The models would be very difficult to learn from scratch due to the large training set size required and the computational and time requirements. Thus, the GPT-2 model was only learned on the training set of DNA sequences of the passeriformes order, and the diffusion model itself was learned on pairs of images of these animals and DNA sequences encoded by the GPT-2 model. To generate the images, the original DNA sequences that resembled the sequences from the training set were generated using GPT-2. The encoding of these sequences was then passed to the diffusion model, which generated the images itself. The method of generating new DNA sequences using the GPT-2 model is based on the idea that the generated DNA sequence partially resembles the DNA sequences from the training set. Such experimentally generated DNA sequences may resemble DNA sequences of extinct ancestors or relatives of the passeriformes order. The model was in some cases able to generate images that could be considered as animal species , but it should be noted that often the generated images could not be considered as animal reconstructions. The success rate of generating a decent animal image was approximately 10%. The functionality of the model was also tested on a test set of DNA sequences of animals of several orders that fall under the class of birds as well as the order of passeriformes. The success rate of generating a reconstruction that could be compared to a photograph was around 5%.
|
|
|
Reconstruction of a Damaged Facial Image
Pleško, Filip ; Orság, Filip (referee) ; Goldmann, Tomáš (advisor)
Generatívne súperiace neurónové siete (GAN) sú rýchlo rozvýjajúca sa technológia, čo sa týka generovania obrazu. V tejto práci sú použité pre rekonštrukciu obrazu tváre, ktorá bola zakrytá predmetom. Práca najskôr vysvetľuje nutnú teóriu a potom preskúmava existujúce riešenia pre daný problém. Nakoniec navrhuje niekoľko rôznych GAN modelov za účelom zistiť, ktorá kombinácia vrstiev najviac pomáha pri rekonštrukcii tváre. Riešenia ktoré prispeli najviac, sú potom spolu skombinované aby bol vytvorený finálny model. Tento model je potom taktiež otestovaný na úlohe rozpoznavania tváre, aby bolo možné zistiť, či rekonštrukcia poškodeného snímku tváre môže byť pre túto úlohu nápomocná.
|
|
|
Power Amplifier for L Band
Eliáš, Martin ; Pešek, Kamil (referee) ; Urbanec, Tomáš (advisor)
The aim of this thesis is to design a power amplifier in L-band. This thesis describes the high frequency transistor technologies. Furthermore, the communication standard of the amplified signal is described along with the output signal requirements. The design of the amplifier includes modelling of the individual amplifier stages using nonlinear models in the AWR program. The design of the stabilization and matching circuits is included, along with a circuit to guarantee the correct turn-on and turn-off sequence. The designs are converted to printed circuit board and fabricated. For the 2nd and 3rd amplifier stages, engineering drawings of the heat sinks are drawn and used to fabricate them. After implementation, the designs are measured and the measured parameters evaluated.
|
|
|
Fusion of Radar and Visual Data for Remote Sensing
Strych, Tomáš ; Beran, Vítězslav (referee) ; Kolář, Martin (advisor)
Cieľom práce je vygenerovať satelitný optický snímok v prípade jeho nedostupnosti. Takýto snímok je vygenerovaný z aktuálneho radarového snímku a za pomoci radarových a optických snímkov z minulosti. Zameranie práce cieli na poľnohospodárstvo, kde sa na analýzu dát používajú rôzne vegetačné indexy. Pre zjednodušenie problematiky je práca zameraná len na optický snímok zobrazujúci NDVI. Boli vytvorené 4 dátové sady, pre prvé tri ročné obdobia a~štvrtý, ktorý ich spája. Pre riešenie problému preloženia obrázku z jedného na druhý bol použitý model Pix2Pix-cGAN. Výsledky práce zobrazujú rozdiely pri použití dátových sád, rozličného množstva a~typu použitých snímkov, tak ako aj intervalu medzi snímkami. Daným výskumom bolo zistené, že sieť je schopná vytvárať reálne uveriteľné obrázky s validnými numerickými hodnotami, avšak má problém správne využiť informáciu o radarovej zmene, ktorá je dôležitá pre ohodnotenie vývoja rastlín práve v prípade nedostupnosti optického snímku. Táto práca a~jej výsledky sú jedinečné vďaka naprieč Európou geograficky rozmanitej dátovej sade a vďaka zameraniu na agrikultúru, a to bez ohľadu na typ plodín.
|
guest ::
