Národní úložiště šedé literatury Nalezeno 11 záznamů.  1 - 10další  přejít na záznam: Hledání trvalo 0.01 vteřin. 
Vizuální detekce malých předmětů pomocí dostupných nástrojů v prostředí MATLAB
Sladký, Jiří ; Dobossy, Barnabás (oponent) ; Appel, Martin (vedoucí práce)
Tato práce zkoumá možnosti detekce malých objektů na obrázcích pomocí metody YOLO, algoritmu hlubokého učení dostupného v programu MATLAB. V práci byl navržen a natréno-ván detektor, jež dokáže detekovat hospodářská zvířata při pohledu shora. Vytvořen byl nástroj, který provede detekce s pomocí představeného modelu i na obrázcích o vysokém rozlišení a následně spočítá přítomné objekty. Naprogramován byl generátor syntetických obrázků, který výrazně pomohl s natrénováním tohoto modelu. Byly realizovány různé experimenty, jež vedly k nalezení hranic metody YOLO a ověřily přínos představených vylepšení.
Algoritmy pro zlepšení detekce vybraných arytmií v EKG
Šandová, Hana ; Ředina, Richard (oponent) ; Novotná, Petra (vedoucí práce)
Práce se zabývá navyšováním datových sad arytmií v EKG, které bývají v databázích méně často zastoupené. Teoretická část je věnována literární rešerši odborných prací, které se zabývají klasifikátory srdečních arytmií s využitím hlubokého učení a augmentací EKG signálů. V praktické části byly realizovány generátory šumu, které by po přičtení do reálně změřených signálů mohly obohatit datovou sadu. Také byla realizována metoda pro augmentaci flutteru síní. Byly vytvořeny funkce, které uměle vytvářejí signály napodobující atrioventikulární blokády II. a III. stupně. Nakonec byla snaha generovat atrioventikulární blokády II. stupně pomocí generativních kompetitivních sítí (GAN). Úspěšnost augmentace byla hodnocena přidáním různě kombinovaných syntetických dat do trénovacích množin pro EKG klasifikátor v podobě hluboké neuronové sítě.
Trénovatelné metody pro automatické zpracování biomedicínských obrazů
Uher, Václav ; Tučková,, Jana (oponent) ; Brezany, Peter (oponent) ; Burget, Radim (vedoucí práce)
Tato práce se zabývá možnostmi automatické segmentace biomedicínských obrazů. Pro 3D segmentaci obrazu byla navržena metoda využívající hluboké učení. V~práci jsou řešeny problémy návrhu sítě, paměťové optimalizace metody a následné složení výsledného obrazu. Unikátnost metody spočívá ve 3D zpracování snímku na GPU v kombinaci s~augmentací trénovacích dat a zachování rozměru výstupu s originálním snímkem. Toho je dosaženo rozdělením obrazu na menší části s překryvem a následným složením do původní velikosti. Funkčnost metody je ověřena na segmentaci lidské mozkové tkáně na snímcích z magnetické rezonance, kde překonává lidskou přesnost při porovnání odborník vs. odborník, a segmentaci buněk na řezech mozku octomilky z~elektronového mikroskopu, kde jsou překonány publikované výsledky z impaktovaného článku.
Nástroj pro rozšiřování obrazových databází
Minařík, Jakub ; Honec, Peter (oponent) ; Janáková, Ilona (vedoucí práce)
Tato práce se věnuje vytvoření nástroje pro rozšiřování obrazových databází. Práce se zabývá teorií zpracování obrazu a existujícím nástrojům a přístupům v této problematice. Z této teorie jsou navrženy jednotlivé metody, které jsou dále implementovány. Dále jsou tyto metody opatřeny uživatelským rozhraním a dávkovým spouštění úprav obrázků. Nakonec jsou popsány omezující podmínky vytvořeného nástroje.
Image-Based Clustering of Microbial Colonies
Láncoš, Jan ; Kišš, Martin (oponent) ; Beneš, Karel (vedoucí práce)
In-lab analysis of microbial colonies grown on Petri dishes is on the frontier of efforts for total laboratory automation. The core of this issue lies in precise localization of the colonies during image analysis. The state of the art solutions often employ machine learning models. However, these models tend to be heavily reliant on existence of quality labels which leads to a data scarcity problem. The proposed thesis addresses this issue by creation of a sample generator. The robustness of the proposed solution was corroborated by successfully applying the generator both in our segmentation and colony clustering efforts, significantly raising the F1 segmentation score from 0.518 to 0.729 and achieving a subsequent V-measure clustering score of 0.830. This approach to generating synthetic data brings us one step closer towards total laboratory automation.
Keyboard and Keys Image Recognition
Lorenc, Jan ; Lichtner, Ondrej (oponent) ; Pluskal, Jan (vedoucí práce)
The goal of this thesis is to create a solution for keyboard keys recognition to automate robotic writing on keyboards. Datasets for keyboard detection in an image, character detection in an image and post-processing correction of the character detection based on various keyboard layouts were created as prerequisites for this work. This research presents several approaches towards keyboard keys detection problem and selects the most suitable one. The chosen strategy is to split the problem into 3 phases which correspond to the prepared datasets. First of all, a separate keyboard detection is run. After that, characters are recognized in the detected keyboard region. These tasks are accomplished using neural networks and Canny edge detection technique. The last phase is the post-processing of the detection results (character correction, autocompletion of undetected characters, special keys distinction etc.). The results of each phase are evaluated. The contribution of the thesis lies in the creation of the datasets for keyboard and keys detection, and novel modular and extensible solution for the recognition process that yields very promising results.
Výzkum nových metod augmentace online písma
Sigmund, Jan ; Burget, Radim (oponent) ; Zvončák, Vojtěch (vedoucí práce)
Grafomotorické potíže dětí školního věku se vyznačují ztíženými projevy při psaní a kreslení a mohou vést k vývojové dysgrafii. Včasná klinická diagnostika je kritická pro poskytnutí preventivní péče. V praxi ale není proveditelná na každodenní bázi z důvodu nutnosti expertního personálu a hojnosti výskytu potíží až 30\%. Modelování strojovým učením může posloužit jako přístupný objektivní nástroj pro zhodnocení grafomotorického výkonu. Většinou ale neexistuje dostatečně velký dataset, což se projeví na horší schopnosti klasifikace. Tato diplomová práce se proto zabývá augmentací dat online písma (OP). Generování umělých vzorků se provede na základě rekombinace vlastních funkcí (IMFs) získaných \textit{empirickou modální dekompozicí} (EMD). Vypočtou se IMFs skupin intaktních (HC), v počtu 72, a s grafomotorickými potížemi (GP), čítající 94 dětí. Rozklad se provede konkrétně na časových řadách souřadnic X a Y. IMFs o stejných indexech různých subjektů se náhodně zamění, čímž vznikne signál nový. Následně se extrahují grafomotorické parametry původních a nových časových řad. Z těch se vyberou pouze prostorové, související se souřadnicemi. Nakonec bude provedena analýza a srovnání korelací parametrů obou databází.
Algoritmy pro zlepšení detekce vybraných arytmií v EKG
Šandová, Hana ; Ředina, Richard (oponent) ; Novotná, Petra (vedoucí práce)
Práce se zabývá navyšováním datových sad arytmií v EKG, které bývají v databázích méně často zastoupené. Teoretická část je věnována literární rešerši odborných prací, které se zabývají klasifikátory srdečních arytmií s využitím hlubokého učení a augmentací EKG signálů. V praktické části byly realizovány generátory šumu, které by po přičtení do reálně změřených signálů mohly obohatit datovou sadu. Také byla realizována metoda pro augmentaci flutteru síní. Byly vytvořeny funkce, které uměle vytvářejí signály napodobující atrioventikulární blokády II. a III. stupně. Nakonec byla snaha generovat atrioventikulární blokády II. stupně pomocí generativních kompetitivních sítí (GAN). Úspěšnost augmentace byla hodnocena přidáním různě kombinovaných syntetických dat do trénovacích množin pro EKG klasifikátor v podobě hluboké neuronové sítě.
Vizuální detekce malých předmětů pomocí dostupných nástrojů v prostředí MATLAB
Sladký, Jiří ; Dobossy, Barnabás (oponent) ; Appel, Martin (vedoucí práce)
Tato práce zkoumá možnosti detekce malých objektů na obrázcích pomocí metody YOLO, algoritmu hlubokého učení dostupného v programu MATLAB. V práci byl navržen a natréno-ván detektor, jež dokáže detekovat hospodářská zvířata při pohledu shora. Vytvořen byl nástroj, který provede detekce s pomocí představeného modelu i na obrázcích o vysokém rozlišení a následně spočítá přítomné objekty. Naprogramován byl generátor syntetických obrázků, který výrazně pomohl s natrénováním tohoto modelu. Byly realizovány různé experimenty, jež vedly k nalezení hranic metody YOLO a ověřily přínos představených vylepšení.
Nástroj pro rozšiřování obrazových databází
Minařík, Jakub ; Honec, Peter (oponent) ; Janáková, Ilona (vedoucí práce)
Tato práce se věnuje vytvoření nástroje pro rozšiřování obrazových databází. Práce se zabývá teorií zpracování obrazu a existujícím nástrojům a přístupům v této problematice. Z této teorie jsou navrženy jednotlivé metody, které jsou dále implementovány. Dále jsou tyto metody opatřeny uživatelským rozhraním a dávkovým spouštění úprav obrázků. Nakonec jsou popsány omezující podmínky vytvořeného nástroje.

Národní úložiště šedé literatury : Nalezeno 11 záznamů.   1 - 10další  přejít na záznam:
Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.