|
|
Meření podobnosti obrazů s pomocí hlubokého učení
Štarha, Dominik ; Šeda, Pavel (oponent) ; Rajnoha, Martin (vedoucí práce)
Tato diplomová práce se zabývá výzkumem technologií, využívajících metod hlubokého učení, využitelných při zpracovávání obrazových dat. Konkrétním zaměřením práce je zhodnotit vhodnost a efektivnost hlubokého učení při porovnávání dvou vstupních obrazových dat. První – teoretická – část zahrnuje úvod do problematiky neuronových sítí a hlubokého učení. Obsahuje popis dostupných možností a jejich výhody a principy, vhodné při zpracování obrazových dat. Druhá – praktická – část práce obsahuje návrh vhodného modelu siamských sítí pro řešení problému problematiky porovnávání dvou vstupních obrazů a vyhodnocení jejich podobnosti. Výstupem je zhodnocení několika možných konfigurací modelu a vyzdvihnutí parametrů modelu s nejlepšími výsledky.
|
|
|
Metody dekódování stromových kódů
Zamazal, Zdeněk ; Lambertová, Petra (oponent) ; Němec, Karel (vedoucí práce)
Práce se zabývá využitím poznatků z oblasti kanálového kódování dat a zaměřuje se na možnosti dekódování stromových kódů. Popisuje několik způsobů dekódování a zjišťuje jejich výhody či nevýhody. V problematice stromových kódů je nutné znát základy teorie informace, způsoby vytváření kódů a definice kodérů. V práci jsou popsány kritéria výběru dekódovací metody a je uveden nástin jejich hodnocení vzhledem k požadavkům kladeným na protichybový kódový systém. Je vypracován návrh dekodéru pomocí vybrané metody na základě uvedených kritérií. Součástí práce je implementace dekodéru v simulačním prostředí Matlab Simulink. Funkce dekodéru je ověřena odsimulováním modelu protichybového kódového systému.
|
|
|
Detekce anomálií v obraze
Salvet, Lukáš ; Herout, Adam (oponent) ; Juránek, Roman (vedoucí práce)
Tato práce se zabývá detekcí anomálií na průmyslových výrobcích. Hlavním požadavkem bylo, aby metoda vyžadovala v době konstrukce co nejméně dat s anomáliemi a aby byla snadno použitelná pro různé typy výrobků. V práci je navržena neuronová síť, která je nepřímo učena hledat rozdíly mezi dvěma obrázky. Samotná detekce anomálií by měla proběhnout na základě reprezentace vstupních dat v latentním prostoru, případně v kombinaci s rekonstrukční chybou. Byly navrženy a otestovány čtyři různé modifikace metody. Testování proběhlo hlavně na datasetu MVTec AD, který obsahuje průmyslové výrobky. Bohužel se nepotvrdil předpoklad, že pokud bude síť učena hledat rozdíly, bude možno latentní prostor lépe interpretovat. Metoda proto byla vyhodnocena v režimu rekonstrukční chyby, v kterém dosahuje srovnatelných výsledků s jinými metodami. Výsledek je nedostatečný pro použití v praxi.
|
|
|
Meření podobnosti obrazů s pomocí hlubokého učení
Štarha, Dominik ; Šeda, Pavel (oponent) ; Rajnoha, Martin (vedoucí práce)
Tato diplomová práce se zabývá výzkumem technologií, využívajících metod hlubokého učení, využitelných při zpracovávání obrazových dat. Konkrétním zaměřením práce je zhodnotit vhodnost a efektivnost hlubokého učení při porovnávání dvou vstupních obrazových dat. První – teoretická – část zahrnuje úvod do problematiky neuronových sítí a hlubokého učení. Obsahuje popis dostupných možností a jejich výhody a principy, vhodné při zpracování obrazových dat. Druhá – praktická – část práce obsahuje návrh vhodného modelu siamských sítí pro řešení problému problematiky porovnávání dvou vstupních obrazů a vyhodnocení jejich podobnosti. Výstupem je zhodnocení několika možných konfigurací modelu a vyzdvihnutí parametrů modelu s nejlepšími výsledky.
|
|
|
Metody dekódování stromových kódů
Zamazal, Zdeněk ; Lambertová, Petra (oponent) ; Němec, Karel (vedoucí práce)
Práce se zabývá využitím poznatků z oblasti kanálového kódování dat a zaměřuje se na možnosti dekódování stromových kódů. Popisuje několik způsobů dekódování a zjišťuje jejich výhody či nevýhody. V problematice stromových kódů je nutné znát základy teorie informace, způsoby vytváření kódů a definice kodérů. V práci jsou popsány kritéria výběru dekódovací metody a je uveden nástin jejich hodnocení vzhledem k požadavkům kladeným na protichybový kódový systém. Je vypracován návrh dekodéru pomocí vybrané metody na základě uvedených kritérií. Součástí práce je implementace dekodéru v simulačním prostředí Matlab Simulink. Funkce dekodéru je ověřena odsimulováním modelu protichybového kódového systému.
|
host ::
RSS.