|
|
Deep Learning for Image Stitching
Držíková, Diana Maxima ; Vaško, Marek (oponent) ; Španěl, Michal (vedoucí práce)
Stitching digital images is not something unfamiliar to the average technology user. The most common example of stitching can be found in panoramic images, where the algorithm stitches them to achieve a seamless, high-quality picture. Various steps need to be executed to stitch the images. Feature detection, description, and matching play the most important role in achieving the goal. This thesis will dwell deeper into the stitching problematic and will discuss the possible solutions. The traditional approaches to stitching will be explained in order to understand the basic idea behind it. Later on, the neural networks will be used to enhance the feature processing. The SuperPoint and SuperGlue neural networks will be discussed and used for their experiments. The main product of this work is a matching algorithm which uses the SuperPoint and SuperGlue models to stitch the images from grids. Other experiments which helped the process of understanding this problem, will be explained and evaluated.
|
|
|
Využití sekundového lepidla
Nádvorník, Jiří ; Slováček, Marek (oponent) ; Kubíček, Jaroslav (vedoucí práce)
Práce si klade za cíl posoudit vhodnost použití sekundového lepidla při lepení plastů. Technologie lepení je rozšířená ve všech odvětvích průmyslu. S vyšším využitím nekovových materiálů roste potřeba zkoumat vlastnosti adheziv ve spojení s různými materiály adherendů. Po rozboru vzniku lepených spojů, podmínek pro lepení a úpravu spoje před lepením bude pozornost zaměřena na běžně dostupné sekundové lepidlo. Budou posouzeny jeho vlastnosti a vhodnost pro použití při lepení plastů. Následně bude zvolen vhodný typ lepidla a plastu pro výrobu testovaných vzorků v praktické části práce. Ta bude spočívat v destruktivním testování tahovou zkouškou. Hodnoceny budou pevnostní vlastnosti spojů ovlivněné viskozitou lepidla a teplotou prostředí při vytvrzování.
|
|
|
Deep Learning for Image Stitching
Držíková, Diana Maxima ; Vaško, Marek (oponent) ; Španěl, Michal (vedoucí práce)
Stitching digital images is not something unfamiliar to the average technology user. The most common example of stitching can be found in panoramic images, where the algorithm stitches them to achieve a seamless, high-quality picture. Various steps need to be executed to stitch the images. Feature detection, description, and matching play the most important role in achieving the goal. This thesis will dwell deeper into the stitching problematic and will discuss the possible solutions. The traditional approaches to stitching will be explained in order to understand the basic idea behind it. Later on, the neural networks will be used to enhance the feature processing. The SuperPoint and SuperGlue neural networks will be discussed and used for their experiments. The main product of this work is a matching algorithm which uses the SuperPoint and SuperGlue models to stitch the images from grids. Other experiments which helped the process of understanding this problem, will be explained and evaluated.
|
host ::
RSS.