|
|
Face parameterization using videosequence
Lieskovský, Pavol ; Mekyska, Jiří (oponent) ; Rajnoha, Martin (vedoucí práce)
This work deals with the problem of face parameterization from the video of a speaking person and estimating Parkinson’s disease and the progress of its symptoms based on face parameters. It describes the syntax and function of the program that was created within this work and solves the problem of face parameterization. The program formats the processed data into a time series of parameters in JSON format. From these data, a dataset was created, based on which artificial intelligence models were trained to predict Parkinson’s disease and the progress of its symptoms. The process of model training and their results are documented within this work.
|
|
|
Generovaní databáze pro specifické případy identifikace osob
Kolmačka, Tomáš ; Kolařík, Martin (oponent) ; Rajnoha, Martin (vedoucí práce)
Diplomová práce se věnuje současné problematice identifikace osob a hlubokého učení. Dále se práce zabývá především získáním kvalitních a různorodých dat, které jsou využívány k trénování hlubokého učení s konvolučními neuronovými sítěmi pro rozpoznávání obličejů. Takových dat je velmi málo veřejně přístupných, proto se praktická část práce zaměřuje na vytvoření pluginu pro nástroj MakeHuman umožňující generování databáze obrázků náhodných tváří. Generovat tváře je možné podle pěti různých scénářů, ve kterých jsou vytvářeny čistě náhodné obličeje nebo obličeje, na kterých je možné vidět ten stejný obličej jen s různými modifikacemi jako je změna vlasů, vousů, klobouků, brýlí a dalšího. Scénáře také umožňují generování tváří s různými výrazy nebo tváře při stárnutí. V pluginu je možné nastavení některých parametrů, které dávají podobu výsledné databázi. Ta může obsahovat snímky tváře z různých úhlů natočení, přiblížení a při různém nasvícení.
|
|
|
Prototypové ověření modifikace evolučního algoritmu
Švestka, Marek ; Rajnoha, Martin (oponent) ; Šeda, Pavel (vedoucí práce)
Tato práce se zabývá evolučními algoritmy s vazbou na problém plánování přistávání letounů na letištích. Cílem práce je vytvořit genetický algoritmus na řešení této úlohy, aplikovat zvolené modifikace od vedoucího práce, výsledky statisticky zpracovat a porovnat. Hledání řešení problému probíhá za pomoci různých selekčních metod, které jsou blíže porovnány a vyhodnoceny. Vstupní data pro konkrétní úlohu jsou použity z Operations research knihovny. Výstupem práce je náhled na evoluční přístup k programování a jeho využití.
|
|
| |
|
|
Realtime Pedestrian Recognition Using Siamese
Network
Rajnoha, Martin
Image similarity measuring has many various applications. Pedestrian recognition is one of them and for the security purposes it is basically required to run in real-time. This paper proposes a deep Siamese neural network architecture for pedestrian recognition that achieves 70.28% accuracy on the test set containing 20 persons. Prediction of the model is fast enough for real-time processing.
|
|
|
Warehouse Modeling Using Graphical User Interface
Rajnoha, Martin
This paper describes a new algorithm which enable efficient conversion of graphical representation of warehouse into graph theory representation and consequently accelerates estimation for route costs. The proposed algorithm computes route distances between any place in warehouses and does so significantly faster than traditional approaches. For this purpose an algorithm based on Breadth first search, image processing “skeletonization” and Dijkstra algorithm was proposed. Using the proposed algorithm it is possible to search routes in a warehouse effectively and fast using precomputed routing table. Searching time is approximately hundreds of microseconds using routing table and even it is independent on size of warehouse instead of using Dijkstra algorithm.
|
|
|
Object tracking in video
Boszorád, Matej ; Přinosil, Jiří (oponent) ; Rajnoha, Martin (vedoucí práce)
This bachelor thesis deals with the issue of tracking multiple objects in a video, specifically focusing on non-learning algorithms. The first chapter represents the theoretical part of the thesis, in which some of the often used tracking methods are described, such as mean-shift, scale-invariant object transformation, Kalman filter, particle filter and Gabor wavelet transformation. These algorithms are broken down by properties they use for proper tracking. The chapter also contains section assignment problem, which is mainly concerned with Hungarian algorithm. The next part describes options of merging multiple tracking methods that are broken down by construction type into parallel, cascade, weighted and discriminatory with example for each one. Moreover there is described adaptability of the tracking system. Bellow are described problems which may occur during tracking and possible solutions to them. This section consists of a solution of image noise, changes in illumination, appearance and extinction of an object, focusing mainly on solving the problem of object occlusion. Within the practical part is created algorithm composed of different types of tracking, the results of which are then compared with selected tracking systems from the multiple object tracking benchmark. The practical part includes the tools used and the explanation of the design, in which the main classes and methods used for the tracking are explained. Besides that, this section describes parallel merging and tracking adaptability . The results of the thesis contain a comparison of the use of tracking techniques separately and together. To compare the results, videos for pedestrian tracking and face tracking were used. This thesis was based on the assumption that merging multiple monitoring systems will help with the improvement of the tracking, which was confirmed by the results.
|
|
|
Computational tasks for Parallel data processing course
Horečný, Peter ; Rajnoha, Martin (oponent) ; Mašek, Jan (vedoucí práce)
The goal of this thesis was to create laboratory excercises for subject „Parallel data processing“, which will introduce options and capabilities of Apache Spark technology to the students. The excercises focus on work with basic operations and data preprocessing, work with concepts and algorithms of machine learning. By following the instructions, the students will solve real world situations problems by using algorithms for linear regression, classification, clustering and frequent patterns. This will show them the real usage and advantages of Spark. As an input data, there will be databases of czech and slovak companies with a lot of information provided, which need to be prepared, filtered and sorted for next processing in the first excercise. The students will also get known with functional programming, because the are not whole programs in excercises, but just the pieces of instructions, which are not repeated in the following excercises. They will get a comprehensive overview about possibilities of Spark by getting over all the excercices.
|
|
|
Protection of sensitive data contained in images
Mezina, Anzhelika ; Rajnoha, Martin (oponent) ; Burget, Radim (vedoucí práce)
This work is focused on application of deep learning in security problem of escape sensitive information, that is contained in images. The presented solution of this problem is using Single Shot Multibox Detector and Fully Connected Network (FCN). FCN is faster than other methods and can be applied in industry, where is a need to analyse input and output information very quickly, for example, in network traffic analysis. In the first part of this work, methods that can be used in keyword detection are described. The second part contains a description of experiment and achieved results for two models of neural network: Single Shot Multibox Detector and Fully Connected Network. The second one gave better results and can be used in practice.
|
|
|
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.
|
host ::
RSS.