|
|
Řízení rizik spojených s implementací konkrétní změny ve vybraném podniku
Kopečný, Michal ; Podešva, Lukáš (oponent) ; Janková, Zuzana (vedoucí práce)
Diplomová práce se zaměřuje na problematiku řízení rizik a následnou implementaci změny ve vybrané společnosti. Prvním krokem je specifikace teoretických poznatků z dané problematiky. Následuje provedení strategických analýz firemního prostředí, kde se daná společnost pohybuje. Z těchto podnětů je následně vytvořen návrh na změnu s využitím Lewinova modelu změny a metod projektového řízení, s účelem zvrácení nalezeného problému a tím zlepšení pozice firmy.
|
|
|
Automatic identification of tree pests based on image data
Balko, Marek ; Juříček, Martin (oponent) ; Škrabánek, Pavel (vedoucí práce)
This thesis focuses on utilizing image data of tree trunk damage to train a classifier for recognizing species of tree pests that caused this damage. The classifier is designed as a convolutional neural network. To successfully train the model, a preprocessing step - the sub-image generator - was employed before the classifier. This generator creates training data of suitable dimensions by cropping from the original data. The resulting data retains important details for network training. Two methods for generating training sub-images were proposed for the sub-image generator - the Grid division method and the Elliptic division method. Both of these methods can be successfully used to train the classifier for tree pest recognition based on image data of tree damage with comparable model accuracy. The Elliptic division method is more flexible and less time-consuming for preprocessing training data.
|
|
|
Rozpoznávání obličejů v obraze
Hauser, Václav ; Přinosil, Jiří (oponent) ; Říha, Kamil (vedoucí práce)
Tato diplomová práce se zabývá problematikou detekce a rozpoznávání obličejů v obraze. Obsahem práce je popis využívaných metod detekce a rozpoznávání obličejů. Podrobněji je popsána metoda analýzy hlavních komponent (PCA), která je následně využita při implementaci rozpoznávání obličejů ve videosekvenci. Ve spojení s implementací je v práci popsán balíček knihoven OpenCV, který byl pro realizaci využit, konkrétně jeho C++ API. Závěrem je provedeno testování vzniklé aplikace na dvou rozdílných videosekvencích.
|
|
|
Určení věku a pohlaví mluvčích
Rendek, Tomáš ; Pfeifer, Václav (oponent) ; Atassi, Hicham (vedoucí práce)
Práce se zabývá rozpoznáním pohlaví a věku mluvčích. Úvodem ozřejmuje praktické využití takýchto aplikací a obeznamuje s dostupnými řešeními. Teoreticky úvod se blíže věnuje příznakům použitých při klasifikaci, klasifikátorům, redukčním metodám a řečovým databázím, které využíváme při jednotlivých experimentech. Praktická část práce se věnuje struktuře rozpoznávače implementovaného do nástroje Emotional a v dvou samostatných kapitolách popisuje jednotlivých experimenty. V experimentech odhadu pohlaví jsme zkoumali, jak velký vplyv může mít věk mluvčího a přítomnost emoce na správný odhad. Zbylé experimenty se zabírali vhodností klasifikátorů GMM a k-NN pro konkrétny typ úlohy a metodami redukce příznaků. Experimenty odhadu věku se týkali klasifikace do čtyř věkových tříd, přičemž opět byli v roli klasifikátorů použitý GMM a k-NN. V experimentech byli použitý jak segmentální tak i suprasegmentální příznaky.
|
|
|
Texturní příznaky
Zahradnik, Roman ; Šiler, Ondřej (oponent) ; Švub, Miroslav (vedoucí práce)
Cílem tohoto projektu je zhodnotit účinnost využití texturních příznaků při rozpoznávání a klasifikaci textur v počítačovém zpracování obrazu. Stěžejním úkolem práce je porovnat a diskutovat experimentálně získané výsledky a efektivitu jejich dosažení použitím texturních příznaků implementovaných metodou lokálních binárních vzorů v konfrontaci s výsledky docílenými s využitím matic sousednosti při klasifikaci shlukovou analýzou.
|
|
|
Detekce obličeje
Štrba, Miroslav ; Juránek, Roman (oponent) ; Hradiš, Michal (vedoucí práce)
Táto bakalárska práca obsahuje prehľad súčasných metód detekcie tvárí pomocou klasifikátorov. Obsahuje tiež popis tvorby systému na detekovanie tvárí. V prvej časti sú popísané rôzne metódy na trénovanie klasifikátorov. V druhej sa nachádza analýza, ktorá predchádzala tvorbe systému zameraného na čiernobiele snímky. Implementovaný systém využíva algoritmus WaldBoost a Haarove príznaky. Vo videosekvenciach je možné využiť časticový filter.
|
|
|
Sledování obličejových rysů v reálném čase
Peloušek, Jan ; Mekyska, Jiří (oponent) ; Přinosil, Jiří (vedoucí práce)
Tato práce pojednává o problematice rozpoznávání objektů v obraze se zaměřením na rozpoznání lidské tváře a jejích součástí. Je zde popsány základní principy počítačového vidění, objektový detektor Viola-Jones, jeho programová realizace pomocí knihoven OpenCV. Dále je v této práci popsán systém přesné detekce obličejových částí pomocí algoritmu aktivních modelů tvaru (ASM) a s ním související mechanismy trénování klasifikátorů. Nakonec je popsána i praktická realizace včetně softwarové implementace.
|
|
|
Klasifikace vad
Benda, Jan ; Richter, Miloslav (oponent) ; Honec, Peter (vedoucí práce)
Práce se zabývá návrhem a vytvořením klasifikátorů defektů vad nalezených na pásech kontinuální výroby. Nejprve se práce věnuje rešerši používaných metod pro klasifikaci obrazu a analýze vlastností dodaných vzorů vad na textilii. Poté je popsáno vytvořené rozhraní klasifikátoru a vytvořené grafické rozhraní pro práci s klasifikátorem. Závěrečná část práce je věnována implementaci klasifikátorů a zhodnocení jejich spolehlivosti na dodaných vzorcích vad.
|
|
|
Detekce obličejů ve videu
Kolman, Aleš ; Řezníček, Ivo (oponent) ; Polok, Lukáš (vedoucí práce)
Práce se zabývá problematikou detekce obličejů ve videu. Naleznete v ní souhrn základních barevných modelů. Poté je uveden popis a srovnání základních metod pro detekci lidské kůže s praktickou ukázkou implementace parametrického detektoru. Následuje teoretický základ pro detekci obličejů a sledování obličejů ve videu obsahující výčet základních pojmů a metod této problematiky. Vyšší důraz je kladen na popis algoritmu strojového učení AdaBoost a na popis možnosti použití Kalmanova filtru pro účely sledování detekovaných obličejů. V podlesní části práce jsou uvedeny návrh, implementace a testování knihovny realizované v rámci této diplomové práce.
|
|
|
Klasifikační metody analýzy vrstvy nervových vláken na sítnici
Zapletal, Petr ; Kolář, Radim (oponent) ; Odstrčilík, Jan (vedoucí práce)
Tato práce se zabývá klasifikací vrstvy nervových vláken na sínici. Pro klasifikaci jsou použita data získaná šesti různými metodami texturní analýzy. Každá metoda vypočítá ze vstupních obrazů vektor příznaků, který je pro danou skupinu charakteristický. Vlastní třídění je realizováno třemi algoritmy učení s učitelem a jedním algoritmem učení bez učitele. Jako první je otestován algoritmus Ho-Kashyap. Poté Bayessovský klasifikátor NDDF (Normal Density Discriminant Function) a pro třetí klasifikátor je použita metoda nejbližších sousedů (Nearest Neighbors) k-NN. Jako poslední je zde odzkoušen klasifikátor K-means, který pracuje na principu shlukové analýzy. Pro větší kompaktnost jsou použity tři metody výběru testovacích dat pro algoritmy učení s učitelem. Jsou to „Repeated random subsampling cross validation“, „K-fold cross validation“ a „Leave one out cross validation“. Všechny použité třídící algoritmy jsou nakonec porovnány podle výsledné chyby klasifikace.
|
host ::
RSS.