|
|
Klasifikace objektů zpracováním obrazu na základě změny topologie
Zbavitel, Tomáš ; Věchet, Stanislav (oponent) ; Krejsa, Jiří (vedoucí práce)
Cílem předkládané práce je vybrat vhodnou metodu klasifikace objektů pro rozpoznání znaků jednoruční prstové abecedy. Za tímto účelem byla vytvořena dostatečně mohutná množina dat, která je součástí této práce. Vytvoření množiny dat je nutné pro trénink konvoluční neuronové sítě. Dále byla nalezena vhodná topologie pro klasifikaci dat. Celá práce je implementována pomocí programu Python a byla použita open-source knihovna Keras.
|
|
|
Detekce kvádrů-krabic v obraze
Soroka, Matej ; Zlámal, Adam (oponent) ; Herout, Adam (vedoucí práce)
Cieľom tejto práce je experimentovať a vyhodnotiť algoritmy s rôznymi prístupmi počítačového videnia s cieľom automatickej detekcie krabíc-kvádrov v obraze. Za týmto cieľom boli v riešení použité prístupy založené na neurónových sieťach. V práci boli prevedené experimenty s klasifikáciou pomocou vlastnej dátovej sady, klasifikáciou s využitím vlastnej konvolučnej neurónovej siete, detekciou pomocou pouvného okna, detektora YOLO a v konečnej iterácií využitie siete U-net pre detekciu krabíc v obraze.
|
|
|
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.
|
|
|
Neural Networks For Visual Classification And Inspection Of The Industrial Products
Míček, Vojtěch
The aim of this thesis is to enable evaluation of quality, or the type of product in industrial applications using artificial neural networks, especially in applications where the classical approach of machine vision is too complicated. The system thus designed is implemented onto a specific hardware platform and becomes a subject to the final optimalisation for the hardware platform for the best performance of the system.
|
|
|
Detection and Classification of Damage in Fingerprint Images Using Neural Nets
Vican, Peter ; Drahanský, Martin (oponent) ; Kanich, Ondřej (vedoucí práce)
The aim of this diploma thesis is to study and design experimental improvement of the convolutional neural network for disease detection. Another goal is to extend the classifier with a new type of detection. he new type of detection is damage fingerprint by pressure. The experimentally improved convolutional network is implemented by PyTorch. The network detects which part of the fingerprint is damaged and draws this part into the fingerprint. Synthetic fingerprints are used when training the net. Real fingerprints are added to the synthetic fingerprints.
|
|
|
Detekce objektů v laserových skenech pomocí konvolučních neuronových sítí
Marko, Peter ; Beran, Vítězslav (oponent) ; Veľas, Martin (vedoucí práce)
Práca sa zaoberá detekciou čiary vodorovného dopravného značenia z mračna bodov, ktoré bolo získané laserovým mobilným mapovaním. Systém pracuje interaktívne v spolupráci s užívateľom, ktorý vyznačí počiatok čiary dopravného značenia. Program postupne deteguje zvyšné časti dopravného značenia a vytvorí ich vektorovú reprezentáciu. Na začiatku je mračno bodov premietnuté do vodorovnej roviny a výsledkom je 2D obrázok, ktorý je segmentovaný konvolučnou neurónovou sieťou U-Net. Segmentácia označuje jednu dopravnú čiaru. Segmentácia je prevedená na lomenú čiaru, ktorú je možné použiť v geo-informačnom systéme. Sieť U-Net pri testovaní dosiahla presnosť segmentácie 98,8\%, špecificitu 99,5\% a senzitivitu 72,9\%. Odhadnutá lomená čiara dosiahla priemernú odchýlku 1,8cm.
|
|
|
Horizon Detection in Image
Holková, Natália ; Herout, Adam (oponent) ; Juránek, Roman (vedoucí práce)
This thesis aims to implement a method of detecting the horizon line in images using deep learning to prevent any constraints on input data. A training dataset is created by downloaded images from large metropolitan cities around the world using the Google Street View service. Several popular architectures for convolutional neural networks are chosen, and their performance is evaluated on existing benchmark datasets.
|
|
|
Detekce kvádrů-krabic v obraze
Soroka, Matej ; Bartl, Vojtěch (oponent) ; Herout, Adam (vedoucí práce)
Cieľom tejto práce je experimentovať a vyhodnotis rôznymi prístupmi počítačového videnia s cieľom automatickej detekcie krabíc-kvádrov v obraze, za týmto cieľom boli v riešení použité prístupy založené na neurónových sieťach. V práci boli prevedené experimenty s klasifikáciou pomocou vlastnej dátovej sady, klasifikáciou s využitím vlastnej konvolučnej neurónovej siete, detekciou pomocou pouvného okna, detektora YOLO a v poslednej časti návrh vylepšenia s použitím sietí U-net a MirrorNet.
|
|
|
Face Detection in Poor Quality Videos
Koval, Michal ; Orság, Filip (oponent) ; Goldmann, Tomáš (vedoucí práce)
This bachelor thesis deals with face detection in low quality videos, while mainly focusing on occluded faces. It describes elementary priciples of machine learning algorithms and their methods, which are often used in the field of computer vision. Out of them are more closely described convolutional neural networks and their state of the art models focused on face detection. Out of those, convolutional neural networks and state of the art models for face detection are more closely described. For the practical part face detection models inspired by state of the art model RetinaFace were implemented and trained. The best performing model achieves 85.5% average precision on WIDER Face HARD testing dataset and 90.9% on dataset focused on occluded faces. Part of this thesis is also a program with graphical user interfaces which provides tools to use developed models on videos and pictures.
|
|
|
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.