|
|
Pokročilá analýza pohybujících se objektů v dopravě
Hora, Adam ; Dejdar, Petr (oponent) ; Kiac, Martin (vedoucí práce)
Tato práce řeší problém sledování objektů živě z kamer nebo z kamerových záznamů. Cílem také je vytvořit si vlastní datovou sadu, použitelnou při řešení dopravních situacích a analýzu pro rozpoznávání a klasifikaci předmětů. Pro vyhodnocení byla požita metoda YOLO s podporou OpenCV. Výsledkem je program, do kterého lze vkládat silniční záznamy nebo použít živý přenos z kamery umístěné tak, aby měla v záběru pozemní komunikaci. Výstupem programu je zjištění počtu motorových vozidel v daný okamžik a průměrný počet vozidel, které se za danou dobu na komunikaci nacházely. Videa, ze kterých je datová sada vytvořena, poskytl vedoucí práce. Hlavním přínosem práce je možnost sledování hustoty provozu v daných časových intervalech.
|
|
|
Detekce registrační značky vozidla ve videu
Líbal, Tomáš ; Hradiš, Michal (oponent) ; Herout, Adam (vedoucí práce)
Tato práce se zabývá přípravou trénovací datové sady a trénováním konvoluční neuronové sítě pro detekci registrační značky vozidla ve videu. Pro detekce byla použita technologie Darknet, konkrétně model neuronové sítě YOLOv3-tiny. Řešení bylo zaměřeno na co nejpřesnější detekce a na co nejmenší počet falešných detekcí na obrázek, a tím dosáhnout co nejmenší celkové chyby modelu. Datová sada byla připravena z již existujících volně dostupných datových sad, z datové sady poskytnuté výzkumnou skupinou GRAPH@FIT a z vlastnoručně anotovaných obrázků vytvořených ze stažených videí ze serveru YouTube. Tato datová sada byla dále také zpracována pomocí augmentace dat, čímž byla rozšířena na dvojnásobnou velikost. Pro vytvoření anotací byl použit nástroj YOLO Mark. Pro vizualizaci chybovosti modelu byla použita ROC křivka. Vytvořené řešení dosahuje minimální celkové chyby 10,849%. Součástí řešení je i již zmiňovaná datová sada.
|
|
|
Automatic Webpage Content Categorisation and Extraction
Rein, Michal ; Koutenský, Michal (oponent) ; Dolejška, Daniel (vedoucí práce)
This thesis describes the development of a flexible system for automatically categorising and extracting content from web pages, with a focus on the darknet environment. We have designed a highly adaptable and scalable system capable of handling any type of content, while taking great care in considering the overall architecture, database structure, and processing pipeline. Using the state-of-the-art language model trained on the natural language inference task, we demonstrate the model's potential to categorise content effectively in a zero-shot environment. We also conduct an analysis of the performance of various hypothesis templates. To further enhance the data extraction process, we have integrated a named entity recognition model and templating methodology for content extraction and proposed an automated segmentation approach using OpenAI's ChatGPT model. In addition, we have developed a user-friendly web client application to enhance the system's accessibility and ease-of-use, evaluated the achieved results, and identified areas for further research and development in this field.
|
|
|
Vehicle Location Detection and Distribution from Camera Images
Stryk, Filip ; Götthans, Jakub (oponent) ; Götthans, Tomáš (vedoucí práce)
This bachelor's thesis deals with vehicle location detection and tracking. Basic principles of deep learning and convolutional networks are presented. Deep learning based object detectors are described with a focus on YOLO and then compared in terms of accuracy and speed. A system for vehicle location detection and tracking using YOLOv4-tiny and SORT is designed, implemented and evaluated.
|
|
|
Detekce objektů na včelím plástu a spadových podložkách mobilním telefonem
DĚD, Lukáš
Bakalářská práce se zabývá zdokonalením převzatých řešení, zabývajících se detekcí včelí matky a počítáním spadu roztoče Varroa destructor. Tato zdokonalená řešení jsou implementována do mobilní aplikace pro zařízení s operačním systémem Android. Dále se tato práce zabývá prozkoumáním metod detekce krátkověkých a dlouhověkých včel. Teoretická část obsahuje popis použitých metod z oblasti strojového vidění a konvolučních neuronových sítí. V praktické části je pak popsáno prostředí a technologie, pomocí kterých byly metody popisované v teoretické části implementovány a také průběh portace výsledných modelů na mobilní platformu.
|
|
|
Analýza Darknetu se zaměřením na forenzní zkoumání
RÝC, Tomáš
Bakalářská práce se zaměřuje na analýzu DARKNETu se zaměřením na forenzní zkoumání. V práci jsou popsána protiprávní jednání vyskytující se v síti DARKNET a jejich možný způsob forenzního zkoumání. Jsou navrženy způsoby identifikace trestné činnosti, možnosti její dokumentace a analyzována možnost identifikace pachatele. Pomocí navržené metodiky je navrženo řešení kybernetické kriminality pro použití orgánů činných v trestním řízení.
|
|
|
Pokročilá analýza pohybujících se objektů v dopravě
Hora, Adam ; Dejdar, Petr (oponent) ; Kiac, Martin (vedoucí práce)
Tato práce řeší problém sledování objektů živě z kamer nebo z kamerových záznamů. Cílem také je vytvořit si vlastní datovou sadu, použitelnou při řešení dopravních situacích a analýzu pro rozpoznávání a klasifikaci předmětů. Pro vyhodnocení byla požita metoda YOLO s podporou OpenCV. Výsledkem je program, do kterého lze vkládat silniční záznamy nebo použít živý přenos z kamery umístěné tak, aby měla v záběru pozemní komunikaci. Výstupem programu je zjištění počtu motorových vozidel v daný okamžik a průměrný počet vozidel, které se za danou dobu na komunikaci nacházely. Videa, ze kterých je datová sada vytvořena, poskytl vedoucí práce. Hlavním přínosem práce je možnost sledování hustoty provozu v daných časových intervalech.
|
|
|
Pokročilá analýza pohybujících se objektů v dopravě
Hora, Adam ; Dejdar, Petr (oponent) ; Kiac, Martin (vedoucí práce)
Tato práce řeší problém sledování objektů živě z kamer nebo z kamerových záznamů. Cílem také je vytvořit si vlastní datovou sadu, použitelnou při řešení dopravních situacích a analýzu pro rozpoznávání a klasifikaci předmětů. Pro vyhodnocení byla požita metoda YOLO s podporou OpenCV. Výsledkem je program, do kterého lze vkládat silniční záznamy nebo použít živý přenos z kamery umístěné tak, aby měla v záběru pozemní komunikaci. Výstupem programu je zjištění počtu motorových vozidel v daný okamžik a průměrný počet vozidel, které se za danou dobu na komunikaci nacházely. Videa, ze kterých je datová sada vytvořena, poskytl vedoucí práce. Hlavním přínosem práce je možnost sledování hustoty provozu v daných časových intervalech.
|
|
|
Detekce registrační značky vozidla ve videu
Líbal, Tomáš ; Hradiš, Michal (oponent) ; Herout, Adam (vedoucí práce)
Tato práce se zabývá přípravou trénovací datové sady a trénováním konvoluční neuronové sítě pro detekci registrační značky vozidla ve videu. Pro detekce byla použita technologie Darknet, konkrétně model neuronové sítě YOLOv3-tiny. Řešení bylo zaměřeno na co nejpřesnější detekce a na co nejmenší počet falešných detekcí na obrázek, a tím dosáhnout co nejmenší celkové chyby modelu. Datová sada byla připravena z již existujících volně dostupných datových sad, z datové sady poskytnuté výzkumnou skupinou GRAPH@FIT a z vlastnoručně anotovaných obrázků vytvořených ze stažených videí ze serveru YouTube. Tato datová sada byla dále také zpracována pomocí augmentace dat, čímž byla rozšířena na dvojnásobnou velikost. Pro vytvoření anotací byl použit nástroj YOLO Mark. Pro vizualizaci chybovosti modelu byla použita ROC křivka. Vytvořené řešení dosahuje minimální celkové chyby 10,849%. Součástí řešení je i již zmiňovaná datová sada.
|
|
|
Analýza DARKNETu se zaměřením na forenzní zkoumání
RÝC, Tomáš
Bakalářská práce se zaměřuje na analýzu DARKNETu se zaměřením na forenzní zkoumání. V práci jsou popsána protiprávní jednání vyskytující se v síti DARKNET a jejich možný způsob forenzního zkoumání. Jsou navrženy způsoby identifikace trestné činnosti, možnosti její dokumentace a analyzována možnost identifikace pachatele. Pomocí navržené metodiky je navrženo řešení kybernetické kriminality pro použití orgánů činných v trestním řízení.
|
host ::
RSS.