|
|
Návrh programu pro obsluhu kamer a provádění strojového učení
Lukaszczyk, Jakub ; Richter, Miloslav (oponent) ; Bilík, Šimon (vedoucí práce)
Tato bakalářská práce řeší návrh programu pro ovládání průmyslových kamer. První část se věnuje současným aplikacím, jejich designu a nedostatkům. V praktické části je poté navržena obdobná aplikace v jazyce Python. Oproti současně dostupným aplikacím poskytuje navrhovaná aplikace modulární a otevřený design a lze ji tudíž dále rozšiřovat a modifikovat. Aplikace je nadále doplněna o vazbu na knihovnu Tensorflow a umožňuje tak klasifikaci obrazu a učení modelů umělých neuronových sítí. Aplikace byla otestována a jeví se být funkční. V závěru práce jsou výsledky zhodnoceny a jsou nastíněny možnosti dalšího vývoje.
|
|
|
Segmentace polygonálního modelu
Bezděčík, Ladislav ; Polášek, Tomáš (oponent) ; Španěl, Michal (vedoucí práce)
Tato bakalářská práce se zabývá problematikou segmentace 3D modelů čelistí. Analyzuje současné metody, navrhuje, implementuje a testuje možné zlepšení těchto metod z uživatelského hlediska. Návrh zlepšení spočívá v implementaci neuronových sítí k rozpoznávání topologie modelů čelistí, a možné kombinaci této topologie s existujícími metodami segmentace. Také je analyzována a implementována možnost automatického rozšiřování datových sad 3D modelů převedených na hloubkové mapy, použitých pro trénování neuronových sítí.
|
|
|
Využití Robotického operačního systému (ROS) pro řízení kolaborativního robota UR3
Juříček, Martin ; Matoušek, Radomil (oponent) ; Parák, Roman (vedoucí práce)
Cílem bakalářské práce je vytvoření řídícího programu, jeho následné otestování a ověření funkčnosti pro kolaborativního robota UR3 od firmy Universal Robots. Řídící program je napsán v jazyce python a integruje možnosti řízení skrz Robotický operační systém, kdy lze dosahovat definovaného bodu pomocí předem simulovaných trajektorií algoritmů Q-learning, SARSA, Deep Q-learning, Deep SARSA, a nebo za pomocí pouze frameworku MoveIT. V práci je pojednáno průřezem o tématech kolaborativní robotiky, Robotického operačního systému, simulačního prostředí Gazebo, zpětnovazebního a hluboké zpětnovazebního učení. Závěrem je popsán samotný návrh a implementace řídícího programu s dílčími částmi.
|
|
|
Odhad hustoty davu osob z fotografie
Ferencz, Adam ; Herout, Adam (oponent) ; Beran, Vítězslav (vedoucí práce)
Cílem této práce je vytvořit aplikaci, která umožní získat odhad počtu lidí v davu na demonstraci či jiné hromadné akci. Vstupem je několik fotografií pořízených dronem, či jiných fotografií. Výsledkem jsou obarvené části mapy podle hustoty lidí v daném místě. Jednotlivé fotografie se umisťují do topologické mapy. Pro počítání lidí z fotky je použita metoda konvoluční neuronové sítě MCNN, která dokáže k fotografii vytvořit příslušnou mapu hustoty lidí. Pro zachování správného celkového odhadu v případě, že se obrázky v mapě překrývají je navrhnut algoritmus korekce překryvů. Aplikace je rozdělena na serverovou a klientskou část. Serverová část se stará o vytvoření map hustoty, ukládá data a dělá algoritmus korekce překryvů. Klient zpracovává vstupy uživatele a zobrazuje mu interaktivní mapu, která vše vizualizuje.
|
|
|
Recognition of Vehicle Class in Image
Čabala, Roman ; Kodym, Oldřich (oponent) ; Špaňhel, Jakub (vedoucí práce)
The goal of this bachelor thesis is to recognize the type of vehicle from the image using neural networks. Vehicles are divided into 6 types, namely a car, a small van, a van, a mini truck, a truck and a bus. The data set was picked from videos that record the trajectory of the vehicles. Subsequently, an image annotation tool was built. The following architectures were used for network training: VGG16, ResNet50, Xception, InceptionResNet-v2. The result of the work is a comparison of architectures. All architectures were trained and achieved a result above 90%.
|
|
|
Detection Of Collapse By Android Smartphone
Repčík, Tomáš
The bachelor’s study is focused to design and build an Android application for the detection of collapse, which is enhanced by new techniques coming from a sphere of the artificial intelligence modified for smartphones. The application uses accelerometer outputs which are in suspicious moments analysed by the neural network. The artificial intelligence is based on simulated events of collapse and events which resemble a fall of a person. The study describes data collected from 20 people. To provide the best results of training, the most convenient and useful features were selected by multiple approaches. Total accuracy of the collapse detection reached 93 %, with 9 % and 13 % of false positive and false negative detections, respectively.
|
|
| |
|
|
Detekce vad potisku
Boček, Václav ; Boštík, Ondřej (oponent) ; Honec, Peter (vedoucí práce)
Tato práce se zabývá návrhem a realizací zařízení pro vizuální kontrolu potisku loga na propiskách. Ke snímání objektu je využito řádkové kamery. Řízení celé jednotky a zpracování pořízených dat zajišťuje mikropočítač Raspberry Pi 4, ke kterému je vytvořena rozšiřující deska pro ovládání periferií. Řízení jednotlivých prvků zařízení je implementováno v jazyku C++, algoritmy detekce v jazyku Python s využitím knihoven OpenCV a TensorFlow. Zařízení disponuje grafickým uživatelským rozhraním pro ovládání celého procesu kontroly. Na konci práce jsou uvedeny výsledky testu spolehlivosti celé kontrolní jednotky.
|
|
|
Klasifikace arteriálního a žilního řečiště v obrazových datech sítnice
Černohorská, Lucie ; Jakubíček, Roman (oponent) ; Kolář, Radim (vedoucí práce)
Tato práce je zaměřena na klasifikaci arteriálního a žilního řečiště v obrazových datech sítnice. Je zde popsána anatomie oka se zaměřením na cévní zásobení a dále jsou stručně uvedeny zobrazovací a diagnostické metody sítnice. V práci jsou zmíněny metody pro klasifikaci cévního řečiště s důrazem na hluboké učení. Praktická část probíhala v programovacím jazyku Python, kdy byla nejdříve předzpracována retinální sada dat spolu s výpočtem AV poměru. Na základě literární rešerše byla pro klasifikaci cévního řečiště zvolena architektura U-net, která byla modifikována pomocí open-source knihovny Keras. Trénování sítě probíhalo na datasetu získaném pomocí experimentálního video-oftalmoskopu, který poskytuje šedotónové snímky. Modifikovaná architektura byla nejdříve využita pro klasifikaci cév do jednotlivých tříd, a z důvodů neuspokojivých výsledků byla dále implementována na segmentaci retinálního řečiště jako celku či zvlášť na žíly a tepny.
|
|
|
Hra pro mobilní telefon s využitím rozpoznání rysů tváře
Skoták, Jiří ; Szőke, Igor (oponent) ; Herout, Adam (vedoucí práce)
Práce popisuje tvorbu hry pro mobilní telefon platformy iOS, která využívá rozpoznání rysů tváře a další informace, které je možné získat z kamery či dalších senzorů zařízení. V práci je uvedeno několik přístupů vhodných pro detekci lidské tváře a jejích rysů v reálném čase. Dále jsou popsány a porovnány možnosti takové detekce v prostředí iOS. Následně je uveden návrh výsledné hry a popis úrovní, které ji tvoří. Úrovně mimo detekci dílčích rysů využívají i detekci objektů v obraze, zpracování barevnosti vstupního obrazu a další. Na závěr je představena výsledná podoba hry, která je vydaná a dostupná na App Store.
|
host ::
RSS.