Národní úložiště šedé literatury Nalezeno 2 záznamů.  Hledání trvalo 0.01 vteřin. 
Generování obrázků sítnice s omezeným množstvím trénovacích dat
Senichak, Yahor ; Semerád, Lukáš (oponent) ; Kavetskyi, Andrii (vedoucí práce)
Účelem této studie je prozkoumat pokrok a aplikaci počítačového vidění a generativních adversariálních sítí (GAN 3.1) v diagnostice a studiu onemocnění očního pozadí. Zvláštní pozornost je věnována nejnovějším pokrokům v oblasti syntézy medicínských dat a vývoji vlastního algoritmu. Byla provedena implementace nejnovějších pokroků v oblasti architektury hlubokého učení U-GAT-IT [22], která zahrnuje dva páry hlubokých neuronových sítí (dva generátory a dva diskriminátory). Tato implementace prošla tréninkem po dobu přibližně 300 000 iterací, během kterých byly dosaženy pozitivní výsledky. Byla zaznamenána dynamika procesu tréninku a provedeny testy, které prokázaly schopnost generovat kvalitní syntetické snímky očního pozadí nezávisle na vstupních datech.
Aplikace pro automatické vyhodnocení věrohodnosti generovaného snímku obličeje
Šotola, Jiří ; Semerád, Lukáš (oponent) ; Goldmann, Tomáš (vedoucí práce)
Tato práce se zaměřuje na návrh a implementaci aplikace pro ověření věrohodnosti synteticky generovaných snímků, která se kvůli rozlehlosti tohoto tématu směruje k ověření podobnosti obličejových znaků originálního snímku a snímku z něho vygenerovaného. Pro tuto aplikaci je vyvinut model Gen_Verifier založený na siamských nerunových sítí, u kterých používá ztrátovou funkci contrastive loss. Tento model byl trénován a testován na datové sadě LFW, kde se dostal až k přesnosti 91 %. Pro testování generovaných snímků je použit model StarGAN, který generoval snímky obličeje se změnou barvy vlasů, pohlaví a stáří. Výsledné testování na generovaných snímcích ukázal, že model StarGAN vytváří obličeje, které se s originálem na 87,53 % shodují.

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.