|
|
Rozpoznávání textu pomocí konvolučních sítí
Csóka, Pavel ; Behúň, Kamil (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce se zabývá tvorbou nových datových sad pro účely strojového učení rozpoznávání textu z fotografií a experimenty s konvolučními neuronovými sítěmi na těchto sadách. Popisuje architekturu konvolučních sítí, problémy rozpoznávání z fotografií a současné práce využívající tyto sítě. Dále tvorbu anotace datové sady fotografií stránek dokumentů, pořízených mobilními telefony, nazvané Mobile Page Photos. K anotaci je využit Tesseract OCR. Z této sady jsou vyříznutím znaků z fotografií vytvořeny dvě další. Jedná se o sady znaků dobře čitelných Mobile Nice Page Photos Characters a dobře i spatně až nečitelných Mobile Page Photos Characters, ve formátu datové sady číslic Street View House Numbers. S třemi vytvořenými modely konvolučních sítí jsou na datových sadách provedeny experimenty s rozpoznáváním textu, s jejichž pomocí je také odhadnuta chyba anotace.
|
|
|
Fusion of Radar and Visual Data for Remote Sensing
Strych, Tomáš ; Beran, Vítězslav (oponent) ; Kolář, Martin (vedoucí práce)
The aim of this thesis is to generate optical imagery in case of its unavailability. Optical and radar data from the past are used to generate such images. The main application field of this thesis is agriculture, where countless vegetation indexes can be used. In this thesis, for simplicity, only NDVI is utilized. Four datasets were created, each for the first three seasons of the year and the fourth that connects them all. As a solution for an image to image translation, Pix2Pix-cGAN was chosen. The results show the differences in the use of these datasets, between the different amounts and types of used pictures, as well as the interval adjustments between pictures. Our research found that the network is capable of creating plausible imagery with valid numerical values, but struggles to correctly utilize the information about the radar difference, which is important in order to evaluate plant development mainly when the optical imagery is unavailable. This thesis and its results are unique due to the geographically diverse dataset across Europe and the focus on agriculture, regardless of crop type.
|
|
|
Vizuální detekce anomálií v průmyslové výrobě
Lukaszczyk, Jakub ; Petyovský, Petr (oponent) ; Horák, Karel (vedoucí práce)
Práce se zabývá detekcí anomálií v obrazových datech pořízených na průmyslovém výrobku. V první části je nastíněna problematika a přístupy k jejímu řešení pomocí hlubokého učení. Dále jsou rozebrány některé z používaných architektur, které lze pro tuto úlohu použít. V praktické části je poté popsána platforma pro průmyslovou inspekci, použitý software a tvorba vlastního anotovaného datasetu. Poskytnutý software je rozšířen o funkcionalitu pro ovládání platformy a práci s více kamerami. Poslední část se zabývá experimenty, jejichž cílem je zjistit vliv datasetu na výsledný model a odhad jeho výkonnosti. Experimenty vyhodnocují vliv jak v trénovací, tak i v testovací fázi.
|
|
|
Fusion of Radar and Visual Data for Remote Sensing
Strych, Tomáš ; Beran, Vítězslav (oponent) ; Kolář, Martin (vedoucí práce)
The aim of this thesis is to generate optical imagery in case of its unavailability. Optical and radar data from the past are used to generate such images. The main application field of this thesis is agriculture, where countless vegetation indexes can be used. In this thesis, for simplicity, only NDVI is utilized. Four datasets were created, each for the first three seasons of the year and the fourth that connects them all. As a solution for an image to image translation, Pix2Pix-cGAN was chosen. The results show the differences in the use of these datasets, between the different amounts and types of used pictures, as well as the interval adjustments between pictures. Our research found that the network is capable of creating plausible imagery with valid numerical values, but struggles to correctly utilize the information about the radar difference, which is important in order to evaluate plant development mainly when the optical imagery is unavailable. This thesis and its results are unique due to the geographically diverse dataset across Europe and the focus on agriculture, regardless of crop type.
|
|
|
Rozpoznávání textu pomocí konvolučních sítí
Csóka, Pavel ; Behúň, Kamil (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce se zabývá tvorbou nových datových sad pro účely strojového učení rozpoznávání textu z fotografií a experimenty s konvolučními neuronovými sítěmi na těchto sadách. Popisuje architekturu konvolučních sítí, problémy rozpoznávání z fotografií a současné práce využívající tyto sítě. Dále tvorbu anotace datové sady fotografií stránek dokumentů, pořízených mobilními telefony, nazvané Mobile Page Photos. K anotaci je využit Tesseract OCR. Z této sady jsou vyříznutím znaků z fotografií vytvořeny dvě další. Jedná se o sady znaků dobře čitelných Mobile Nice Page Photos Characters a dobře i spatně až nečitelných Mobile Page Photos Characters, ve formátu datové sady číslic Street View House Numbers. S třemi vytvořenými modely konvolučních sítí jsou na datových sadách provedeny experimenty s rozpoznáváním textu, s jejichž pomocí je také odhadnuta chyba anotace.
|
host ::
RSS.