|
|
Biometrie s využitím snímků duhovky
Tobiášová, Nela ; Drahanský, Martin (oponent) ; Kolář, Radim (vedoucí práce)
Biometrické techniky jsou v současné době velmi rozšířené vědní odvětví. Biometrií je myšleno automatizované rozpoznávání osob na základě jejich anatomických rysů, v případě této diplomové práce duhovky oka. Rozpoznání pomocí duhovky se jeví jako nejslibnější z důvodu neinvazivního přístupu a nízké chybovosti. Zakladatelem biometrie oka je John G. Daugman. Z jeho prací vycházejí téměř všechny současné publikace. Tato diplomová práce se zabývá biometrií s využitím snímků duhovky. V úvodní části jsou popsány principy metod z oblasti biometrie na základě snímků duhovky. Následuje první praktická část věnovaná návrhu a realizaci dvou vybraných metod pro detekci vnitřní hranice duhovky. Třetí část této práce uvádí návrh a realizaci metody zpracování snímků duhovky za účelem klasifikace osob. Poslední kapitola je věnovaná vyhodnocení dosažených výsledků a jejich porovnání s publikovanými metodami.
|
|
|
Detekce a rozpoznání dopravních značek v obraze
Spáčil, Pavel ; Hradiš, Michal (oponent) ; Herout, Adam (vedoucí práce)
Tato práce se zaměřuje na téma rozpoznávání dopravních značek v obraze. Popisuje stručně některé používané metody a zaměřuje se hlavně na zvolený postup klasifikace. Ten je zevrubně popsán včetně rozšíření a metody pro vytváření modelů nutných při klasifikaci. V práci je popsána implementace knihovny a demonstračního programu včetně důležitých poznatků zjištěných během vývoje. V závěru práce jsou uvedeny výsledky několika experimentů a možné rozšíření.
|
|
|
Rozpoznávání ručně psaného písma pomocí neuronových sítí
Smejkal, Vojtěch ; Fapšo, Michal (oponent) ; Plchot, Oldřich (vedoucí práce)
Práce se zabývá rozpoznáváním velkých písmen a číslic hůlkového písma pomocí neuronových sítí. Rozebírá použité algoritmy pro segmentaci textu, metody extrakce příznaků a problematiku učení sítě pomocí zpětného šíření chyb. Jsou zde také popsány provedené experimenty s různými konfiguracemi nad datovými sadami. Pro trénování nových sítí a testování jejich úspěšnosti byla vytvořena demonstrační aplikace s grafickým rozhraním s možností interaktivního rozpoznávání myší psaného textu.
|
|
|
Vyhledávání ve videu
Černý, Petr ; Mlích, Jozef (oponent) ; Chmelař, Petr (vedoucí práce)
Tato práce shrnuje základní teorii týkající se vyhledávání informací, základy z oblasti relačního modelu dat a problematiky indexace dat v relačních databázových systémech. Práce se dále zabývá problematikou vyhledávání v multimediálních datech. Zahrnuje popisy základních principů automatické extrakce rysů multimediálního obsahu a indexace multidimenzionálních dat. Praktická část této práce se zabývá návrhem a implementací řešení, které má za úkol zvýšit efektivitu dotazů na podobnost multidimenzionálních vektorů rysů, které popisují jednotlivá videa. Závěr práce je věnován experimenty nad tímto řešením.
|
|
|
Detekce stresu
Jindra, Jakub ; Vítek, Martin (oponent) ; Němcová, Andrea (vedoucí práce)
Detekce stresu založená na non-EEG fyziologických datech může být užitečná pro monitoraci řidičů, pilotů, ale také sledování psychického stavu v běžném každodenním životě – tedy všude tam, kde je monitorace standardním EEG nevhodná. Tato práce využívá Non-EEG databázi volně dostupnou z Physionetu. Databáze obsahuje záznamy tepové frekvence, saturace krve kyslíkem, pohybu, vodivosti pokožky a teploty snímané pro 3 typy stresu prokládáné relaxační fází. V práci byly vytvořeny dva modely. Jeden pro binární klasifikaci stresu/klidu, druhý pro klasifikaci 4 psychických stavů. Nejlepších výsledků bylo dosaženo využitím modelu rozhodovacího stromu s 8 příznaky pro binární klasifikaci a 8 příznaky pro klasifikaci 4 stavů. Přesnost finálních modelů je přibližně 95 % pro binární klasifikaci a 99 % pro klasifikaci 4 psychických stavů. Veškeré algoritmy byly implementovány v jazyce Python.
|
|
|
Zpracování snímků duhovky pro biometrické aplikace
Osičková, Kristýna ; Drahanský, Martin (oponent) ; Kolář, Radim (vedoucí práce)
Biometrie je metoda rozpoznávání identity člověka na základě jedinečných biologických charakteristik, které jsou pro každého člověka unikátní. Metody biometrické identifikace se v současné době stále více rozšiřují do nejrůznějších odvětví. Tato práce je zaměřena na identifikaci člověka podle snímků oční duhovky. V úvodní části práce jsou popsány principy známých metod pro biometrické aplikace a v další části je popsán návrh metody a její realizace v programovém prostředí Matlab. V praktické části je použita metoda rychlé radiální symetrie pro detekci zornice, od níž se pak odvíjí další zpracování obrazu. Využívá se zde dvou dimensionální diskrétní vlnkové transformace obrazu. Navržený algoritmus je testován na databázích CASIA-Iris-Interval a databázi IITD.
|
|
|
Evoluční optimalizace extraktoru příznaků klasifikátoru EEG
Ovesná, Anna ; Hurta, Martin (oponent) ; Mrázek, Vojtěch (vedoucí práce)
Tato práce se zaměřuje na optimalizaci klasifikace EEG signálu alkoholiků a kontrolních subjektů pomocí evolučních algoritmů s vícekriteriálním přístupem. Hlavním cílem je maximalizovat přesnost, senzitivitu a specificitu klasifikačního algoritmu a minimalizovat počet použitých příznaků. Práce využívá čtyři různé klasifikátory, konkrétně Support Vector Machine, k-nearest neighbors, Naive Bayes a AdaBoost. Výběr nejlepších příznaků je optimalizován pomocí tří různých evolučních přístupů, z nichž dva převádějí vícekriteriální optimalizaci na jednokriteriální pomocí váženého součtu a omezení maximálního počtu příznaků. Pareto optimální řešení nalézá algoritmus NSGA-II. Výsledky dokazují, že evoluční algoritmy v kombinaci s vhodnými klasifikátory spolehlivě rozeznají člověka se sklonem k alkoholismu od toho se zdravým vztahem k alkoholu.
|
|
|
Detekce stresu
Jindra, Jakub ; Vítek, Martin (oponent) ; Němcová, Andrea (vedoucí práce)
Detekce stresu založená na non-EEG fyziologických datech může být užitečná pro monitoraci řidičů, pilotů, ale také sledování psychického stavu v běžném každodenním životě – tedy všude tam, kde je monitorace standardním EEG nevhodná. Tato práce využívá Non-EEG databázi volně dostupnou z Physionetu. Databáze obsahuje záznamy tepové frekvence, saturace krve kyslíkem, pohybu, vodivosti pokožky a teploty snímané pro 3 typy stresu prokládáné relaxační fází. V práci byly vytvořeny dva modely. Jeden pro binární klasifikaci stresu/klidu, druhý pro klasifikaci 4 psychických stavů. Nejlepších výsledků bylo dosaženo využitím modelu rozhodovacího stromu s 8 příznaky pro binární klasifikaci a 8 příznaky pro klasifikaci 4 stavů. Přesnost finálních modelů je přibližně 95 % pro binární klasifikaci a 99 % pro klasifikaci 4 psychických stavů. Veškeré algoritmy byly implementovány v jazyce Python.
|
|
|
Rozpoznávání ručně psaného písma pomocí neuronových sítí
Smejkal, Vojtěch ; Fapšo, Michal (oponent) ; Plchot, Oldřich (vedoucí práce)
Práce se zabývá rozpoznáváním velkých písmen a číslic hůlkového písma pomocí neuronových sítí. Rozebírá použité algoritmy pro segmentaci textu, metody extrakce příznaků a problematiku učení sítě pomocí zpětného šíření chyb. Jsou zde také popsány provedené experimenty s různými konfiguracemi nad datovými sadami. Pro trénování nových sítí a testování jejich úspěšnosti byla vytvořena demonstrační aplikace s grafickým rozhraním s možností interaktivního rozpoznávání myší psaného textu.
|
|
|
Detekce a rozpoznání dopravních značek v obraze
Spáčil, Pavel ; Hradiš, Michal (oponent) ; Herout, Adam (vedoucí práce)
Tato práce se zaměřuje na téma rozpoznávání dopravních značek v obraze. Popisuje stručně některé používané metody a zaměřuje se hlavně na zvolený postup klasifikace. Ten je zevrubně popsán včetně rozšíření a metody pro vytváření modelů nutných při klasifikaci. V práci je popsána implementace knihovny a demonstračního programu včetně důležitých poznatků zjištěných během vývoje. V závěru práce jsou uvedeny výsledky několika experimentů a možné rozšíření.
|
host ::
RSS.