Národní úložiště šedé literatury Nalezeno 6 záznamů.  Hledání trvalo 0.01 vteřin. 
Detekce obličejů v obraze, nezávisle na natočení
Bureš, Václav ; Herout, Adam (oponent) ; Beran, Vítězslav (vedoucí práce)
Práce se věnuje problematice detekce typově stejných objektů (konkrétně obličejů) v obraze. Následuje rozšíření popsaných metod o detekci objektů v různých natočeních. Naleznete zde stručný přehled využitelných metod, jako je například Logical Binary Patterns, Histogram Of Gradients, Eigen Faces a blíže popsanou metodu AdaBoost. Následuje stručný přehled volně dostupných datasetů a popis jejich vybraných vlastností. Ke konci práce jsou popsány experimenty s využitím algoritmu AdaBoost a jejich vyhodnocení.
Sledování hlídaného prostoru a detekce narušení bezpečnosti kamerovým systémem
Goldmann, Tomáš ; Drahanský, Martin (oponent) ; Orság, Filip (vedoucí práce)
Tato práce obsahuje popis základních systému používaných pro sledování hlídaného prostoru. Ve stěžejní části práce jsem představil metody počítačového vidění vhodné pro detekci a klasifikaci objektů. Dále jsem na základě metody odečítání pozadí realizoval algoritmus pro detekci lidí, který využívá pro popis objektů histogram orientovaných gradientů a pro klasifikaci SVM klasifikátor. V poslední části práce se zabývám porovnáním deskriptoru založeného na histogramu orientovaných gradientů se SIFT deskriptory a vyhodnocením preciznosti detekčního algoritmu.
Detekce objektů v obraze
Kubínek, Jiří ; Beran, Vítězslav (oponent) ; Hradiš, Michal (vedoucí práce)
Práce je věnovaná metodám detekce objektů v obraze. Seznamuje čtenáře se základními přístupy a algoritmy užívanými v této problematice, zejména pak s algoritmem AdaBoost, jeho rozšířením WaldBoost a s některými příznaky užívanými pro detekci objektů. Významnou část práce tvoří rozšíření datových sad pro trénování klasifikátoru a implementace histogramu gradientů pro rozšíření stávajícího systému pro detekci objektů. Nedílnou součástí práce je zhodnocení dosažených výsledků v podobě provedených experimentů.
Detekce obličejů v obraze, nezávisle na natočení
Bureš, Václav ; Herout, Adam (oponent) ; Beran, Vítězslav (vedoucí práce)
Práce se věnuje problematice detekce typově stejných objektů (konkrétně obličejů) v obraze. Následuje rozšíření popsaných metod o detekci objektů v různých natočeních. Naleznete zde stručný přehled využitelných metod, jako je například Logical Binary Patterns, Histogram Of Gradients, Eigen Faces a blíže popsanou metodu AdaBoost. Následuje stručný přehled volně dostupných datasetů a popis jejich vybraných vlastností. Ke konci práce jsou popsány experimenty s využitím algoritmu AdaBoost a jejich vyhodnocení.
Sledování hlídaného prostoru a detekce narušení bezpečnosti kamerovým systémem
Goldmann, Tomáš ; Drahanský, Martin (oponent) ; Orság, Filip (vedoucí práce)
Tato práce obsahuje popis základních systému používaných pro sledování hlídaného prostoru. Ve stěžejní části práce jsem představil metody počítačového vidění vhodné pro detekci a klasifikaci objektů. Dále jsem na základě metody odečítání pozadí realizoval algoritmus pro detekci lidí, který využívá pro popis objektů histogram orientovaných gradientů a pro klasifikaci SVM klasifikátor. V poslední části práce se zabývám porovnáním deskriptoru založeného na histogramu orientovaných gradientů se SIFT deskriptory a vyhodnocením preciznosti detekčního algoritmu.
Detekce objektů v obraze
Kubínek, Jiří ; Beran, Vítězslav (oponent) ; Hradiš, Michal (vedoucí práce)
Práce je věnovaná metodám detekce objektů v obraze. Seznamuje čtenáře se základními přístupy a algoritmy užívanými v této problematice, zejména pak s algoritmem AdaBoost, jeho rozšířením WaldBoost a s některými příznaky užívanými pro detekci objektů. Významnou část práce tvoří rozšíření datových sad pro trénování klasifikátoru a implementace histogramu gradientů pro rozšíření stávajícího systému pro detekci objektů. Nedílnou součástí práce je zhodnocení dosažených výsledků v podobě provedených experimentů.

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