|
|
Creating a Python-based Automated System for Recognizing Emotions from Facial Expressions.
Zima, Samuel ; Malik, Aamir Saeed (oponent) ; Hussain, Yasir (vedoucí práce)
This thesis examines facial expression recognition (FER) using deep learning by focusing on its application in devices with limited memory and computational resources. It begins by researching emotions and facial expressions from psychological, biological, and sociological perspectives. The core of this thesis involves the design and implementation of an automated FER system using the FER-2013 dataset. This system uses a customized SqueezeNet architecture enhanced with a simple bypass, dropout layers and batch normalization layers. This system achieves an accuracy of 66.37 % on the FER-2013 dataset. For comparative analysis, this model was compared with a customized VGG16 architecture which achieved an accuracy of 65.09 %. This thesis provides valuable insights into the development of smaller, more efficient machine learning models for FER which are usable in a wide range of devices, including low-performance CPUs and embedded devices.
|
|
| |
|
|
Návrh a realizace univerzálního záznamníku dat
Vokál, Tomáš ; Kovář, Jiří (oponent) ; Houška, Pavel (vedoucí práce)
Tématem této práce je vytvoření univerzální záznamníku dat za použití .NET Micro Framework. Návrh byl otestován na vývojovém modulu EMX od společnosti GHI Electronics. Práce se nejdříve zaměřuje na seznámení čtenáře s .NET Micro Frameworkem a následně na popis architektury a ovládání dané aplikace.
|
|
|
Vision Transformery pre vstavané platformy
Nemčeková, Barbora
Tato práce se zabývá zkoumáním Transformerů vidění pro úlohu klasifikace obrazu, jejich optimalizaci, a nasazení na vybrané vestavěné zařízení. Na vybraných vestavěných zařízení se doposud pro klasifikaci obrazu používaly konvoluční neuronové sítě, avšak s revolucí ve zpracování přirozeného jazyka vznikl zájem o zkoumání transformerů i pro úlohy počítačového vidění. Práce experimentuje s různými druhy kvantizace modelů, jako je int8 kvantizace, int16x8 kvantizace, dynamická kvantizace a SmoothQuant metoda. Výsledky ukazují, že ne všechny transformery vidění je možné kvantizovat s dostatečnou přesností, a to ani při použití specializované metody SmoothQuant. Taktéž se ukázalo, že kvantizovaný transformer model není možné akcelerovat na NPU vybraných zařízení. Ze zkoumaných faktorů, jako je přesnost po optimalizaci modelu, latence a využití paměti na vestavěném zařízení, konvoluční neuronové sítě stále převyšují modely transformerů.
|
|
|
Detection and Classification of Vehicles for Embedded Platforms
Skaloš, Patrik ; Hradiš, Michal (oponent) ; Špaňhel, Jakub (vedoucí práce)
This paper evaluates the performance trade-offs of state-of-the-art YOLOv8 object detectors for vehicle detection in surveillance-type images on embedded and low-performance devices. YOLOv8 models of varying sizes, including one with the lightweight MobileNetV2 backbone and YOLOv8-femto with fewer than \num{60000} parameters, were benchmarked across six devices, including three NVIDIA Jetson embedded platforms and the low-performance Raspberry Pi 4B. Various factors influencing performance were considered, such as weight quantization, input resolutions, inference backends, and batch sizes during inference. This study provides valuable insights into the development and deployment of vehicle detectors on a diverse range of devices, including low-performance CPUs and specialized embedded platforms.
|
|
|
The Progress run-time architecture
Pop, Tomáš
Práce je součástí rozsáhlejšího výzkumného záměru s názvem Progress, který usiluje o poskytnutí metod pro vývoj komponentových a real-time systémů pro embedded zařízení. Jednou z nových myšlenek Progresu je sdružování komponent do větších celků nazvaných virtuální zařízení. Důvodem k tomuto sdružování je dosažení vyšší efektivity a také možnost vyšší míry abstrakce hardware cílových výpočetních jednotek. Tato práce začíná zkoumání implementace komponentového modelu, který je součástí Progressu.. Cílem práce je otevřít nutné otázky týkající se implementace běhového prostředí a mechanismů nutných k běhu virtuálních zařízení na fyzickém zařízení. Součástí práce je i ukázková implementace běhového prostředí pokrývající lokální komunikaci a komunikaci prostřednictvím Ethernetu, implementaci podpory pro událostmi řízené a periodické úlohy a systémy s více spolupracujícími zařízeními.
|
|
|
The Progress run-time architecture
Pop, Tomáš
Práce je součástí rozsáhlejšího výzkumného záměru s názvem Progress, který usiluje o poskytnutí metod pro vývoj komponentových a real-time systémů pro embedded zařízení. Jednou z nových myšlenek Progresu je sdružování komponent do větších celků nazvaných virtuální zařízení. Důvodem k tomuto sdružování je dosažení vyšší efektivity a také možnost vyšší míry abstrakce hardware cílových výpočetních jednotek. Tato práce začíná zkoumání implementace komponentového modelu, který je součástí Progressu.. Cílem práce je otevřít nutné otázky týkající se implementace běhového prostředí a mechanismů nutných k běhu virtuálních zařízení na fyzickém zařízení. Součástí práce je i ukázková implementace běhového prostředí pokrývající lokální komunikaci a komunikaci prostřednictvím Ethernetu, implementaci podpory pro událostmi řízené a periodické úlohy a systémy s více spolupracujícími zařízeními.
|
|
| |
|
|
Návrh a realizace univerzálního záznamníku dat
Vokál, Tomáš ; Kovář, Jiří (oponent) ; Houška, Pavel (vedoucí práce)
Tématem této práce je vytvoření univerzální záznamníku dat za použití .NET Micro Framework. Návrh byl otestován na vývojovém modulu EMX od společnosti GHI Electronics. Práce se nejdříve zaměřuje na seznámení čtenáře s .NET Micro Frameworkem a následně na popis architektury a ovládání dané aplikace.
|
host ::
RSS.