|
|
Generating Faces with Generative Adversarial Networks
Konečný, Daniel ; Herout, Adam (oponent) ; Kolář, Martin (vedoucí práce)
The goal of this thesis is generating color images of faces from randomly chosen high-dimensional vectors with Generative Adversarial Networks. The next task is to analyze input vectors based on the features of faces generated from those vectors. Three different models of Generative Adversarial Network are implemented, one for generating images of handwritten digits and other two for generating images of faces. Generated images show credible-looking faces, but recognizable from real ones with a human eye. Single dimensions of input vectors are analyzed with Student's t-test. Linear Discriminant Analysis is then used to project input vectors into subspaces where the classes of features are separable. Analysis of generated data proves that the input vector can be specifically chosen to generate an image of a face with requested features with probability up to 80 %. The main result of this thesis is a model of Generative Adversarial Network for generating images of faces. A tool for generating images of faces with chosen features is implemented too.
|
|
|
Osobní Kalendář PHP
Sadloň, Matej ; Kapinus, Michal (oponent) ; Kolář, Martin (vedoucí práce)
Táto práca sa venuje problematike manažovania času. Jej cieľom je vytvorenie webovej aplikácie fungujúcej ako pomôcka pre jednoduchšiu a prehľadnejšiu prácu s osobným časom. Pre tento účel využíva postupy manažovania času ako napríklad kalendáre, To-Do listy, delenie zložitejších problémov na časti formou projektov či spätné sledovanie využitia času. Aplikácia je vytvorená za pomoci PHP frameworku Symfony a objektovo-relačného mapovania, ktoré zabezpečujú PHP knižnica Doctrine s využitím MySQL databázy. Pre lepší vzhľad, dynamickosť a prácu s aplikáciou sú použité doplňujúce technológie ako CSS alebo JavaScript.
|
|
|
Automatický odhad nadmořské výšky z obrazu
Vašíček, Jan ; Kolář, Martin (oponent) ; Čadík, Martin (vedoucí práce)
Tato práce se zabývá automatickým odhadem nadmořské výšky kamery z obrazu. Úlohu jsem řešil pomocí konvolučních neuronových sítí, u nichž využívám schopnost učit se nové příznaky na základě trénovacích dat. Trénovací sada obrazů (dataset), která by obsahovala údaje o nadmořské výšce kamery, nebyla k dispozici a proto bylo nutné vytvořit dataset nový. Schopnosti člověka v dané úloze také nebyly dříve testovány, proto jsem provedl uživatelský experiment s cílem změřit průměrnou kvalitu lidského odhadu nadmořské výšky kamery. Výsledky experimentu, kterého se zúčastnilo 100 lidí ukazují, že člověk je schopen odhadnout nadmořskou výšku z obrazu s průměrnou chybou 879 m. Automatický systém založený na konvoluční neuronové síti dosahuje lepších výsledků než člověk. Průměrná chyba odhadu systému je 712 m. Navržený systém může kromě samotného odhadu nadmořské výšky z obrazových dat nalézt uplatnění také ve složitějších úlohách, jako je vizuální geolokalizace kamery.
|
|
|
Fotosoutěž na Facebook
Pololáník, Petr ; Kolář, Martin (oponent) ; Beran, Vítězslav (vedoucí práce)
Tato práce se zabývá teorií vytváření moderních webových aplikací, jejichž logika je převážně v klientském prohlížeči. Jsou rozebrány různé technologie, které se dnes běžně využívají. Práce se převážně zabývá tvorbou konkrétní aplikace pro snadné vytváření fotosoutěží umístěných na Facebook stránce. Tyto fotosoutěže pořádají firmy pro zviditelnění své značky. Jsou specifikovány požadavky na výslednou aplikaci a vytvořen návrh. Poté je popsána implementace aplikace a možnosti rozšíření.
|
|
|
Systém pro doporučování sázení
Věčorek, David ; Svoboda, Pavel (oponent) ; Kolář, Martin (vedoucí práce)
Hlavním cílem práce bylo navrhnout, implemetovat a otestovat systém, který by na základě vstupu uživatelů, ve formě tipů na výsledky sportovních zápasů, dokázal předpovědět pravděpodobné výsledky těchto zápasů a tím výhodné sázkové příležitosti. Za účelem vytvoření tohoto systému byly testovány různé techniky strojového učení a algoritmy hodnocení uživatelů na základě správnosti jejich tipů. Výkonnost navržených systémů byla testována na náhodně generovaných datech simulujících tipování uživatelů, pomocí dotazníku a na historických datech soutěže K2mini na webu kolemdvou.cz. Pro implementaci ve formě webové aplikace byl na základě výsleků zvolen systém váženého průměru.
|
|
|
Deep Learning Model Uncertainty in Medical Image Analysis
Drevický, Dušan ; Kolář, Martin (oponent) ; Kodym, Oldřich (vedoucí práce)
This thesis deals with quantifying uncertainty in the predictions of deep learning models. While they achieve state of the art results in many areas of computer vision, their outputs are usually deterministic and provide by themselves little information about how certain the model is about its prediction. This is important especially in the domain of medical image analysis where mistakes are costly and the ability to filter uncertain predictions would allow a supervising physician to review the relevant cases. This work applies several different uncertainty measures developed in recent research to deep learning models trained on a cephalometric landmark localization task. They are then evaluated and compared in a set of experiments which aim to determine whether each of the uncertainty measures provides us with useful information about the model's confidence in its predictions.
|
|
|
Aktivní učení pro rozpoznávání textu
Kohút, Jan ; Kolář, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
Cílem této práce je navrhnout metody aktivního učení a provést experimenty nad datovou sadou historických dokumentů. Pro experimenty využívám rozsáhlý a rozmanitý dataset IMPACT o více než jednom milionu řádků. Pomocí neuronových sítí provádím kontrolu vhodnosti řádků, tzn. čitelnosti a správnosti přepisů. Nejprve srovnávám architektury neuronových sítí, a to jak sítě čistě konvoluční, tak sítě obsahující obousměrnou rekurentní vrstvu LSTM. Dále se zabývám přístupy k učení neuronových sítí pomocí aktivního učení a samotnými metodami aktivního učení. Aktivní učení využívám zejména pro adaptaci neuronových sítí na jiné textové dokumenty, než na kterých byla původní síť učena. Aktivní učení tedy slouží k výběru vhodných adaptačních dat. Čistě konvoluční neuronové sítě dosahují úspěšnosti 98.6 %, rekurentní sítě pak 99.5 %. Chyba při adaptaci s využitím aktivního učení je o 26 % nižší než chyba při náhodném výběru dat.
|
|
|
Parametrické 2D/3D modely
Šober, Patrik ; Kolář, Martin (oponent) ; Zemčík, Pavel (vedoucí práce)
Cílem této práce bylo vytvoření aplikace pro tvorbu a manipulaci 2D a 3D modelů skrze parametrickou konstrukcí. Práce postupně rozebíra teoretický základ okolo tvorby a reprezentace 3D modelů v počítačové grafice, pojmy parametrické konstrukce a představení podobných aplikací včetně jejich rozdílů. Dále je popsán způsob vytvoření aplikace na základě vytvořeného návrhu ze získaných znalostí. Na závěr bylo provedeno testování aplikace, zaměřující se na uživatelské rozhraní a zátěže renderovací systému.
|
|
|
Thermophoretic and Hydrodynamic Interactions in Artificial Active Matter
Kolář, Martin ; Holubec, Viktor (vedoucí práce) ; Tůma, Karel (oponent)
V posledních letech se významně zintenzivnil výzkum umělé aktivní hmoty pro její potenciální praktické využití a příslib pochopení interakcí a kolektivního chování živých organismů. Výzkum je prováděn na všech úrovních - experimentální, teoretické a num- erické. Tato práce představuje přístup pomocí numerických simulací založený na řešení parciálních diferenciálních rovnic pocházejících z rámce mechaniky kontinua. Získané výsledky mohou být použity k předpovědi dynamiky a termodynamiky systému nebo mohou sloužit jako vstupní data pro stochastické simulace. Pomocí tohoto přístupu je rovněž možné simulovat skutečné laboratorní experimenty numericky. 1
|
|
|
Akcelerace algoritmu sledování částic v experimentu CBM
Roth, Michael ; Kolář, Martin (oponent) ; Musil, Petr (vedoucí práce)
Cílem této práce je prostudovat metody detekce a rekonstrukce trajektorií částic v experimentu CBM a problematiku akcelerace těchto metod na hardwarových platformách. V práci byly srovnány výhody a nevýhody rozšířených metod a pro další studium byla vybrána metoda rekonstrukce na bázi celulárních automatů a Kalmanových filtrů. Práce se podrobně zabývá zejména vývojem simulačního modelu, vhodného pro generování testovacích dat pro simulaci vybraného sledovacího algoritmu a vlastní rekonstrukční program, který byl následně paralelizován pomocí technologií distribuovaného počítání. Byly vytvořeny dva odlišné simulátory částic, jeden z nichž byl použit pro výpočet predikčního kroku Rozšířeného Kalmanova Filtru (EKF) a jeden pro generování testovacích dat pro vlastní rekonstrukční algoritmus. Pomocí správného rozdělení úkolů se podařilo distribuovaným algoritmem získat téměř osmisetprocentní zvýšení rychlosti a v některých případech i snížení paměťové náročnosti až o čtyři řády.
|
host ::
RSS.