|
|
Přehled současných přístupů ke klasifikacím
Brezánský, Tomáš ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Táto bakalárska práca sa zaoberá prehľadom súčasných prístupov ku klasifikáciám. Popisuje rôzne prístupy ku klasifikáciám a ich algoritmy, zameriava sa na neuronové siete, bayesové klasifikátory a rozhodovacie stromy. Hlavnou úlohou tejto prace je vykonať experimenty s tromi klasifikačnými algoritmami, konkrétne sú to, algoritmus ID3, RCE neurónová sieť a naivný bayesov klasifikátor. Práca obsahuje experimenty s danými algoritmami a vyhodnocuje získané výsledky.
|
|
|
Určování počasí podle snímků oblaků
Kukaň, Tomáš ; Goldmann, Tomáš (oponent) ; Orság, Filip (vedoucí práce)
Hlavním cílem této práce bylo vytvořit aplikaci schopnou předpovědět nastávající počasí na základě fotografie oblak s využitím konvolučních neuronových sítí. V této práci jsou popsané kategorie oblak a jejich odpovídající předpověď. Dále zde jsou výsledky experimentů s různými architekturami sítí a datasetů s přihlédnutím na jejich úspěšnost v rozeznání typu oblak. Nakonec je tu krátce popsána tvorba finální aplikace a řešení problémů, kterým jsem čelil při její implementaci.
|
|
|
Přehled současných přístupů ke klasifikacím
Brezánský, Tomáš ; Šůstek, Martin (oponent) ; Zbořil, František (vedoucí práce)
Táto bakalárska práca sa zaoberá prehľadom súčasných prístupov ku klasifikáciám. Popisuje rôzne prístupy ku klasifikáciám a ich algoritmy, zameriava sa na neuronové siete, bayesové klasifikátory a rozhodovacie stromy. Hlavnou úlohou tejto prace je vykonať experimenty s tromi klasifikačnými algoritmami, konkrétne sú to, algoritmus ID3, RCE neurónová sieť a naivný bayesov klasifikátor. Práca obsahuje experimenty s danými algoritmami a vyhodnocuje získané výsledky.
|
|
|
Monitorování chodců pomocí dronu
Dušek, Vladimír ; Goldmann, Tomáš (oponent) ; Drahanský, Martin (vedoucí práce)
Tato práce se zabývá monitorováním lidí na videozáznamu pořízeným dronem. Detekce osob v obraze je realizována pomocí natrénovaného modelu detekční sítě RetinaNet. Každé detekované osobě je extrahován příznakový vektor pomocí barevných histogramů. Jednoznačná identifikace detekovaných osob je uskutečněna porovnáváním jejich příznakových vektorů s ohledem na jejich vzdálenost ve snímku. Nakonec je vykreslena trajektorie pohybů všech detekovaných osob do výsledného panoramatického obrázku. Úspěšnost detektoru na těžkých validačních datech je 58,6%. Chybovost je částečně vyřešena způsobem navrhnutí algoritmu pro vizualizaci trajektorií. Pro korektní vykreslení trajektorie osoby ji není nutné úspěšně detekovat v každém snímku. Zároveň statické objekty, kde je vysoká pravděpodobnost, že se nejedná o člověka, nejsou vizualizovány vůbec. Algoritmů zabývajících se detekcí lidí je velké množství, avšak přístupů zaměřených se na pohled z výšky je velmi poskromnu.
|
|
|
Klasifikační algoritmy pro systémy identifikace osob podle obličeje
Hegr, Vojtěch ; Křupka, Aleš (oponent) ; Malach, Tobiáš (vedoucí práce)
Práce se zabývá rešerší klasifikačních algoritmů pro identifikaci osob podle obličeje. Cílem práce je implementace algoritmů do existujícího systému pro rozpoznávání obličejů a vyhodnocení vlivu jednotlivých klasifikátorů. Na základě provedené rešerše byly k implementaci vybrány následující klasifikátory: algoritmus k - nejbližších sousedů (K-NN), metoda podpůrných vektorů (SVM) a neuronové sítě (NN). Tyto klasifikační algoritmy byly implementovány v jazyce C++ s využitím open source knihovny OpenCV. Dále byla představena snímková databáze IFaVID a testovací metodologie implementovaných algoritmů.
|
|
|
Softwarový model firewallu
Švec, Michal ; Tobola, Jiří (oponent) ; Puš, Viktor (vedoucí práce)
Tato bakalářská práce se zabývá problematikou bezestavových paketových filtrů a algoritmů klasifikace paketů. Hlavním úkolem je vytvořit softwarovou implementaci firewallu a změřit rychlost klasifikace paketů. Implementovaný klasifikátor využívá pro klasifikaci algoritmus Perfect-Hash. Klasifikátor je implementován v několika verzích. Jako implementační jazyk je použitý jazyk C, pro samotný klasifikátor a jazyk Python, pro vytvoření pomocných datových struktur. Jazyk C byl zvolen kvůly jeho rychlosti.
|
|
|
Využití hyperspektrálních dat ke klasifikaci vegetace alpínského bezlesí v Krkonoších
Andrštová, Martina ; Kupková, Lucie (vedoucí práce) ; Potůčková, Markéta (oponent)
Využití hyperspektrálních dat ke klasifikaci vegetace alpínského bezlesí v Krkonoších ABSTRAKT Diplomová práce je součástí projektu HyMountEcos, který se zabývá komplexním hodnocením ekosystémů v Krkonošském národním parku s využitím hyperspektrálních dat. Zájmovým územím je oblast alpínského bezlesí v Krkonošském národním parku (krkonošská tundra). Cílem práce bylo vytvoření podrobné metodiky klasifikace vegetačního pokryvu z hyperspektrálních dat senzoru AISA DUAL a APEX, nalezení klasifikátoru, který zlepší přesnost klasifikace oproti údajům z literatury, a porovnání přesností dosažených pomocí těchto dvou typů dat. Na data bylo aplikováno několik klasifikačních algoritmů (Spectral Angle Mapper, Linear Spectral Unmixing, Support Vector Machine, MESMA a Neural Net), výsledky klasifikací byly v následujícím kroku statisticky vyhodnoceny a porovnány. Jako nejpřesnější byla vyhodnocena metoda Neural Net, která poskytuje nejpřesnější výsledky pro data APEX (celková přesnost 96 %, Kappa koeficient 0,95) i AISA DUAL (celková přesnost 90 %, Kappa koeficient 0,88). Výsledná přesnost klasifikace (celková i pro některé třídy) dosáhla lepších výsledků, než jsou zmiňovány v literatuře Výstupem práce jsou také mapy vegetace alpínského bezlesí zpracované na žádost Správy Krkonošského národního parku, které budou...
|
|
|
Přehled současných přístupů ke klasifikacím
Brezánský, Tomáš ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Táto bakalárska práca sa zaoberá prehľadom súčasných prístupov ku klasifikáciám. Popisuje rôzne prístupy ku klasifikáciám a ich algoritmy, zameriava sa na neuronové siete, bayesové klasifikátory a rozhodovacie stromy. Hlavnou úlohou tejto prace je vykonať experimenty s tromi klasifikačnými algoritmami, konkrétne sú to, algoritmus ID3, RCE neurónová sieť a naivný bayesov klasifikátor. Práca obsahuje experimenty s danými algoritmami a vyhodnocuje získané výsledky.
|
|
|
Přehled současných přístupů ke klasifikacím
Brezánský, Tomáš ; Šůstek, Martin (oponent) ; Zbořil, František (vedoucí práce)
Táto bakalárska práca sa zaoberá prehľadom súčasných prístupov ku klasifikáciám. Popisuje rôzne prístupy ku klasifikáciám a ich algoritmy, zameriava sa na neuronové siete, bayesové klasifikátory a rozhodovacie stromy. Hlavnou úlohou tejto prace je vykonať experimenty s tromi klasifikačnými algoritmami, konkrétne sú to, algoritmus ID3, RCE neurónová sieť a naivný bayesov klasifikátor. Práca obsahuje experimenty s danými algoritmami a vyhodnocuje získané výsledky.
|
|
|
Určování počasí podle snímků oblaků
Kukaň, Tomáš ; Goldmann, Tomáš (oponent) ; Orság, Filip (vedoucí práce)
Hlavním cílem této práce bylo vytvořit aplikaci schopnou předpovědět nastávající počasí na základě fotografie oblak s využitím konvolučních neuronových sítí. V této práci jsou popsané kategorie oblak a jejich odpovídající předpověď. Dále zde jsou výsledky experimentů s různými architekturami sítí a datasetů s přihlédnutím na jejich úspěšnost v rozeznání typu oblak. Nakonec je tu krátce popsána tvorba finální aplikace a řešení problémů, kterým jsem čelil při její implementaci.
|
host ::
RSS.