|
|
Visipedia - Embedding-driven Visual Feature Extraction and Learning
Jakeš, Jan ; Beran, Vítězslav (oponent) ; Zemčík, Pavel (vedoucí práce)
Multidimensional embedding is a powerful method of representing similarity measures among objects without the need for their explicit categorization. It has been increasingly used in recent years to annotate objects making an important part of the Visipedia project and its related work. This work explores the possibilities of learning from embedding-annotated images using their visual attributes and develops methods of predicting embedding coordinates for previously unseen images. It studies the relevant feature extraction and learning algorithms and describes the whole process of design and development of such a system using common machine learning approaches. The system is tested and evaluated with two different datasets and the performed experiments present the first results for a task of its kind.
|
|
|
Automatické označování obrázků
Lukáč, Michal ; Řezníček, Ivo (oponent) ; Hradiš, Michal (vedoucí práce)
Práca sa zaoberá automatickým označovaním obrázkov do sémantických kategórií. Je popísaná teória z klasi kácie a detekcie lokálnych príznakov. Sú vysvetlené základné algoritmy strojového učenia pri označovaní obrázkov a ich učenie pomocou algoritmu Gradient descent. Je navrhnuté riešenie s hierarchiou pre ImageNet a tagovanie obrázkov atribútmi. Výpočetný model MapReduce je ukázaný pre učenie na veľkých dátových sadách. V poslednej časti je popísaná implementácia, experimentálne a testovacie výsledky.
|
|
|
Vyhledávání zájmových objektů v obrazové sadě
Medvec, Juraj ; Brejcha, Jan (oponent) ; Beran, Vítězslav (vedoucí práce)
Táto práca je zameraná na vyhľadávanie objektu/scény v sade obrazov. Na úvod sú čitatelovi predstavené existujúce riešena, ktoré sa už aj používajú v praxi. Ďalšie kapitoly sú zamerané na vytvorený framework a popis práce na ňom. Na záver je predstavená demo aplikácia v ktorej bol navrhnutý framework pužitý, pomocou ktorého aplikácia vyhľadáva knihy na základe fotky ich prednej strany.
|
|
|
Zpracování rastrového obrazu pomocí FPGA
Musil, Petr ; Kadlček, Filip (oponent) ; Zemčík, Pavel (vedoucí práce)
Tato práce se zabývá návrhem a implementací hardwarové jednotky pro detekci objektů ve videu. Návrh jednotky je optimalizován pro rychlé proudové zpracování. Detekce objektů se provádí pomocí příznakových klasifikátorů. Jako slabé klasifikátory jsou využity lokální obrazové příznaky. Je navržena a implementována nová metoda pro detekci objektů různé velikosti. Detektor používá algoritmy pro zrychlení detekce využívající sousední pozice. Má dostatečný výkon pro souběžnou detekci až dvou různých tříd objektů. Funkčnost detektoru byla ověřena simulací a některé části byly implementovány na vývojovém kitu.
|
|
|
Rozpoznání počasí z pohledu venkovní stacionární kamery
Jenčo, Michal ; Juránková, Markéta (oponent) ; Herout, Adam (vedoucí práce)
Tato práce řeší rozpoznávání počasí z pohledu stacionární venkovní kamery se záběrem krajiny, a to konkrétně mlhy, jasného, polojasného a zamračeného počasí. Zvolený problém byl vyřešen výpočtem pěti obrazových příznaků a strojového učení. Podařilo se dosáhnout celkové úspěšnosti rozpoznávání 95% s jenom malými odchýlkami mezi jednotlivými typmi počasí. Hlavným zjištěním této práce je, že za pomoci zvolené sady jednoduchých příznaků je možno úspěšně odlišit zvolené typy počasí. Výsledky této práce umožňují graficky vykreslit průběh počasí počas dne.
|
|
|
Obrazová analýza v tribotechnické diagnostice
Machalík, Stanislav ; Stodola,, Jiří (oponent) ; Tillová,, Eva (oponent) ; Zemčík, Pavel (vedoucí práce)
Obrazová analýza částic opotřebení je v práci využita ke klasifikaci jejich obrazů do tříd odpovídajících stanoveným typům opotřebení. Dává možnost získat informace nejen o základních parametrech otěrových částic, ale také údaje, které by při klasickém způsobu hodnocení bylo možné získat jen velmi obtížně. Na základě analýzy morfologických či obrazových charakteristik částic lze sledovat průběh opotřebení strojních součástí, a tím zabránit případné havárii motoru, případně stanovit optimální lhůty pro výměnu oleje. Cílem této práce je prozkoumat možnosti využití obrazové analýzy v kombinaci s metodou analytické ferrografie a na základě teoretických poznatků navrhnout nástroj pro automatickou klasifikaci částic. Současné metody analýzy částic opotřebení jsou založeny na vyhodnocení, které nedává přesnou představu o procesech probíhajících mezi třecími povrchy v motorové soustavě. Práce vychází z metody analytické ferrografie, která umožňuje zhodnotit stav sledovaného stroje z hlediska opotřebení. Přínosem klasifikátorů vytvořených v této práci je možnost automatického vyhodnocení výstupů analytické ferrografie; jejich použití odstraňuje zásadní nevýhodu ferrografické analýzy, kterou je její závislost na subjektivním hodnocení expertem provádějícím analýzu. Vytvořené klasifikátory jsou založeny na využití metod strojového učení. Na základě rozsáhlé databáze částic, která byla vytvořena v první fázi práce, byly klasifikátory natrénovány umožňují tak hodnotit ferrograficky separované otěrové částice, které pocházejí z olejů odebraných z mazaných soustav. Následně byly provedeny experimenty, z jejichž výsledků vyplynuly optimální nastavení klasifikátorů.
|
|
|
Rozpoznání vzorů v obraze pomocí klasifikátorů
Juránek, Roman ; Španěl, Michal (oponent) ; Herout, Adam (vedoucí práce)
V této práci bude představen algoritmus AdaBoost, který slouží k vytvoření silné klasifikační funkce z několika slabých hypotéz. Bude vyloženo teoretické pozadí algoritmu a způsob konstrukce silného klasifikátoru. Dále bude popsáno rozšíření algoritmu o sekvenční rozhodovací strategii nazývané WaldBoost. Práce se zabývá také obrazovými příznaky, které jsou v mnoha případech základem slabých klasifikátorů. Kromě popisu zmíněných algoritmů bude uveden základ rozpoznávání vzorů v kontextu počítačového vidění a budou uvedeny některé často používané metody trénování klasifikátorů. Součástí práce bylo vytvoření knihovny pro detekci objektů založené na klasifikátorech trénovaných metodou AdaBoost. Tato knihovna byla následně využita v implementaci programu, který prakticky demonstruje detekce obejktů ve videosekvencích. Poslední část práce popisuje nástroj pro trénování AdaBoost klasifikátorů.
|
|
|
Detekce automobilů v obraze
Pomykal, Antonín ; Beran, Vítězslav (oponent) ; Herout, Adam (vedoucí práce)
Práce se zabývá možností detekce automobilů v obraze využívající charakteristických vlastností automobilů pomocí vlastních vytvořených obrazových příznaků, které jsou vytvořeny podle Haarových příznaků, a při použití metody AdaBoost pro trénování a vlastní detekci. Představíme si možnosti a typy vlastních obrazových příznaků, knihovnu OpenCV, která byla v implementaci programu využívána, a ukážeme si výsledky a úspěšnost této kombinace algoritmů při detekci.
|
|
|
Automatické třídění fotografií podle obsahu
Gajová, Veronika ; Hradiš, Michal (oponent) ; Španěl, Michal (vedoucí práce)
Hlavním cílem práce je návrh a implementace klasifikačního nástroje pro účely automatické organizace fotografií, založeného na metodě Bag of Words. Nástroj je implementován jako XnView zásuvný modul, který klasifikuje vybrané fotografie a zapisuje název nejlépe ohodnocené kategorie jako klíčové slovo do IPTC metadat obrazového souboru.
|
|
|
Vyhledávání zájmových objektů v obrazové sadě
Medvec, Juraj ; Brejcha, Jan (oponent) ; Beran, Vítězslav (vedoucí práce)
Táto práca je zameraná na vyhľadávanie objektu/scény v sade obrazov. Na úvod sú čitatelovi predstavené existujúce riešena, ktoré sa už aj používajú v praxi. Ďalšie kapitoly sú zamerané na vytvorený framework a popis práce na ňom. Na záver je predstavená demo aplikácia v ktorej bol navrhnutý framework pužitý, pomocou ktorého aplikácia vyhľadáva knihy na základe fotky ich prednej strany.
|
host ::
RSS.