|
|
Detekce typu a bodového ohodnocení kartiček ve hře Hobiti
Hlinský, Martin ; Kohút, Jan (oponent) ; Vaško, Marek (vedoucí práce)
Cílem této práce je vytvořit detektor karet, který s využitím umělé generace datové sady dokáže natrénovat model, jenž umožňuje zjistit bodové ohodnocení karty a její typ. K samotnému trénování je využit model YOLOv8. Prvním krokem je nafocení karet, které se následně zpracovávají tak, aby neobsahovaly pozadí a byly zarovnány. Tyto předzpracované fotky karet se v kombinaci s obrázky z jiných datových sad spojí v generátoru, který karty náhodně rozmisťuje, otáčí a simuluje fotky reálných případů. Výstupem tohoto generátoru je v případě hry Hobiti ideálně zhruba 50 000 obrázků, avšak v rámci experimentů jsou porovnávány různé velikosti datasetu a předtrénovaných váh. Poslední generace natrénovaných detektorů byla validována na reálné datové sadě za účelem nezaujatého testování a nejpřesnější model trénovaný na čistě syntetických datasetech dosáhl přesnosti až 81,5 % podle metriky 50. Na finálním detektoru je pak možné implementovat například počítadlo bodů, jehož prototyp je v této práci rovněž popsán.
|
|
|
Detekce karet při turnajích v pokru
Kovalets, Vladyslav ; Šilling, Petr (oponent) ; Vaško, Marek (vedoucí práce)
Tato bakalářská práce se zaměřuje na vývoj pokročilého systému pro automatické rozpoznávání a evidenci herních karet z videozáznamů pokerových her. Jako základní nástroj byla zvolena technologie konvolučních neuronových sítí, konkrétně síť YOLO, který umožňuje efektivní identifikaci karet na stole i v rukou hráčů i za náročných podmínek. Práce zahrnovala vytvoření rozsáhlé datové sady pro trénování a testování detektoru karet, který dosáhl přesnosti rozpoznávání 98,7 %. Pro spolehlivou evidenci karet byl navržen algoritmus, který minimalizuje chyby detektoru a zlepšuje celkovou přesnost systému. Výsledky práce naznačují, že navržený systém má potenciál pro využití i v praxi.
|
|
|
Automatická kontrola dopravního značení
Čechmánek, Roman ; Klíma, Ondřej (oponent) ; Musil, Petr (vedoucí práce)
Cílem této práce je vytvoření finančně nenáročného nástroje, který by byl schopen zautomatizovat proces kontroly dopravního značení. To zahrnuje práci se záznamy jízd po pozemních komunikacích, vytvořených pomocí levného záznamového zařízení jako je například akční kamera GoPro, či některé z palubních kamer. Kontrola probíhá na základě systémem lokalizovaného dopravního značení a historických dat o mapování dopravního značení. Výsledkem práce je systém, jehož vstupem jsou záznamy jízd a historická data a výstupem jsou dva soubory obsahující informace o výsledcích kontroly. Prvním z nich je soubor GEOJSON, který je vhodný pro další zpracování získaných dat a soubor HTML, který poskytuje jednoduché uživatelské rozhraní vizualizující výsledky kontroly na interaktivní webové mapě.
|
|
|
Automatizovaná extrakce strukturovaných dat dokumentů
Křivánek, Jakub ; Vaško, Marek (oponent) ; Kohút, Jan (vedoucí práce)
Tato bakalářská práce řeší problém získávání strukturovaných dat ze skenů dokumentů českých knihoven. Cílem práce je usnadnit časově náročný manuální proces knihovníkům. Zaměřil jsem se vytvoření datových sad z dokumentů českých knihoven a na detekci metadat na těchto datasetech. Datové sady jsem vytvořil pro knihy a druhou pro periodika. Detekce byla realizována způsoben klasifikace řádků přečtených z dokumentů. Pro to jsou použita plně propojená neuronoví síť a síť využívající Transformer Encoder. Druhý způsob detekce metadat je založen na detekci objektů na skenech dokumentů pomocí modelu YOLOv8. Detekce pomocí plně propojené neuronové sítě dosahuje F1 skóre 0,83 na datasetu knih a 0,78 na datasetu periodik. F1 skóre sítě s Transformer Encoder dosahuje hodnot 0,84 na datasetu knih a 0,59 na datasetu periodik. Model YOLO dosahuje F1 skóre 0,86 (confidece na 0,549) na datasetu knih a 0,7 (confidence na 0,336) na datasetu periodik.
|
|
|
Detekce poškození povrchu materiálu z fotografie
Marek, Radek ; Sakin, Martin (oponent) ; Dyk, Tomáš (vedoucí práce)
Tato práce se zaměřuje na využití několika typů neuronových sítí pro detekci poškození povrchu materiálů z fotografií a hodnotí jejich účinnost. Identifikace různých typů poškození, jako jsou trhliny, škrábance a další defekty, je nezbytná pro posouzení kondice materiálů a může upozornit na potřebu další údržby nebo oprav. Použití pokročilých neuronových sítí umožňuje přesnější detekci a klasifikaci poškození, což je klíčové pro aplikace v oblastech jako stavebnictví, automobilový průmysl a letecké inženýrství, kde rychlá a spolehlivá diagnostika materiálových vad je kritická. Integrace těchto technologií do pravidelných inspekčních procesů může významně zlepšit prevenci havárií a prodloužit životnost konstrukčních komponent. Práce dále diskutuje možnosti zlepšení a adaptace algoritmů na specifické materiály a typy poškození. Tato práce tedy ukazuje, jak mohou pokročilé technologie strojového učení významně přispět k efektivnějšímu a spolehlivějšímu monitorování stavu materiálů, což otevírá cesty pro budoucí inovace v oblasti údržby a bezpečnosti.
|
|
|
Sledování osob na základě jejich oblečení v multikamerových systémech
Sivak, Mykyta ; Přinosil, Jiří (oponent) ; Číka, Petr (vedoucí práce)
Daná bakalářská práce se zabývá vývojem a implementací algoritmu pro sledování osob v multikamerových systémech na základě analýzy vzoru oblečení. Cílem bylo navrhnout systém, který by byl schopen sledovat osobu v různých pozicích a záběrech, využívající techniky Region of Interest (RoI). Práce začíná rozsáhlým studiem literatury zaměřené na existující metody sledování objektů ve videosekvenčních datech, se speciálním důrazem na techniky sledování RoI. V rámci výzkumu byl navržen a implementován nový algoritmus, který využívá vzory oblečení jako hlavní identifikační prvek pro sledování a re-identifikaci osob v různých kamerových záběrech. Algoritmus byl experimentálně ověřen na datasetech obsahujících videosekvence z několika prostředí, což umožnilo detailně analyzovat jeho účinnost a spolehlivost. Výsledky experimentů ukazují, že navrhovaný systém dosahuje výrazné přesnosti a efektivity ve srovnání s tradičními metodami, a je zvláště účinný v náročných situacích, kde jiné metody selhávají. Na závěr práce jsou prezentovány hodnocení provedených experimentů spolu s doporučeními pro budoucí rozšíření a zlepšení systému. Diskutovány jsou také potenciální výzvy a etické aspekty, včetně otázek soukromí a zpracování osobních údajů.
|
|
|
Detekce semi-strukturovaně rozmístěných polotovarů z plochy pomocí metod umělé inteligence
Zmrzlý, Jan ; Škrabánek, Pavel (oponent) ; Juříček, Martin (vedoucí práce)
Tato práce se zabývá problematikou strojového vidění v kontextu Průmyslu 4.0, s důrazem na detekci semi-strukturovaně rozmístěných objektů z plochy. V první části práce jsou probrány teoretické aspekty úlohy, včetně vybraných algoritmů strojového vidění a využití neuronových sítí v této oblasti. Dále je provedena rešerše dostupných metod pro řešení tohoto problému, jakož i současného stavu robotické buňky EDUset ONE s ohledem na strojové vidění. Na základě analýzy je navrženo hardwarové řešení v podobě kamery, osvětlení a dalších komponent. Následně je proveden návrh a implementace různých metod detekce více druhů objektů, s důrazem na modularitu, efektivitu a přesnost. V závěru práce jsou tyto metody porovnány a je ověřena funkčnost v interakci s reálnou robotickou buňkou.
|
|
|
Device for the traffic situation evaluating
Gábel, Matej ; Honec, Peter (oponent) ; Janáková, Ilona (vedoucí práce)
The bachelor's thesis deals with the implementation of a device for evaluating the traffic situation, specifically by traffic signs detection. In this work, I tried different methods of traffic sign recognition, where the resulting implementation on hardware is done using convolutional neural networks. More precisely, it is the YOLOv5 architecture, which is suitable for recognizing traffic signs in real time.
|
|
|
Lokalizace intrakraniálních hemoragií v axiálních řezech CT snímků hlavy.
Kopečný, Kryštof ; Chmelík, Jiří (oponent) ; Nemček, Jakub (vedoucí práce)
Tématem této práce je lokalizace intrakraniálních krvácení na snímcích počítačové tomografie pomocí jednofázového a dvoufázového detektoru založených na konvolučních neuronových sítích. Práce mimo základní poznatky z umělé inteligence klíčové pro pochopení procesu detekce objektů podává medicínské informace o patologii a zobrazování krvácení. Znalosti ze zmíněných okruhů se využijí pro vlastní návrh algoritmu pracujícím s veřejně dostupnými databázemi CT snímků hlavy a jejich anotací CQ500 a BHX. Součástí práce je vyhodnocení výsledků a jejich diskuse.
|
|
|
Tracking People in Video Captured from a Drone
Lukáč, Jakub ; Orság, Filip (oponent) ; Goldmann, Tomáš (vedoucí práce)
This thesis deals with the problem of determining the location of a person through their distance from camera approximation. The location is derived from video which is captured using a drone. The goal here is to propose and test existing solutions, and state-of-the-art algorithms for each encountered subproblem of the tracking. This means overcoming challenges such as object detection, re-identification of persons in time, estimating object distance from the camera and processing data from various sensors. Then, I am using these methods to design the final solution which can operate in nearly real-time. Implementation is based on the use of Intel NCS accelerator unit with the cooperation of small computer Raspberry Pi. Therefore, the setup may be easily mounted directly to a drone. The resulting application can generate tracking metadata for detected individuals in the recording. Afterwards, the positions are visualised as paths for better end-user presentation.
|
host ::
RSS.