|
|
Multimodální systém pro multi-object tracking v reálném čase
Kučera, Adam ; Šátek, Václav (oponent) ; Rozman, Jaroslav (vedoucí práce)
Tato práce se zabývá tématem multi-objektového multi-senzorového sledování. V programovacím jazyce C++ je implementován konvenční řetězec pro track-oriented multiple hypothesis tracking (TOMHT) a je navrženo implementovatelné rozhraní, které umožňuje snadno rozšířit základní algoritmus o libovolné senzory a měřené cílové atributy, čímž se systém stává multimodálním, tj. použitelným v heterogenních systémech senzorů. Je navržen nový algoritmus pro řešení kombinatorické optimalizace vznikající v TOMHT. Nakonec je poskytnuto několik příkladů implementace rozhraní a systém je vyhodnocen v simulovaných a reálných scénářích.
|
|
|
Multimodální systém pro multi-object tracking v reálném čase
Kučera, Adam ; Šátek, Václav (oponent) ; Rozman, Jaroslav (vedoucí práce)
Tato práce se zabývá tématem multi-objektového multi-senzorového sledování. V programovacím jazyce C++ je implementován konvenční řetězec pro track-oriented multiple hypothesis tracking (TOMHT) a je navrženo implementovatelné rozhraní, které umožňuje snadno rozšířit základní algoritmus o libovolné senzory a měřené cílové atributy, čímž se systém stává multimodálním, tj. použitelným v heterogenních systémech senzorů. Je navržen nový algoritmus pro řešení kombinatorické optimalizace vznikající v TOMHT. Nakonec je poskytnuto několik příkladů implementace rozhraní a systém je vyhodnocen v simulovaných a reálných scénářích.
|
|
|
Modelling eye movements during Multiple Object Tracking
Děchtěrenko, Filip ; Lukavský, Jiří (vedoucí práce) ; Toth, Peter Gabriel (oponent)
Lidé musí sledovat v každodenních situacích více objektů zároveň (např. řízení automobilu nebo kolektivní sporty). Sledování více objektů (MOT) věrohodně simuluje sledování více objektů v laboratorních podmínkách. Když sledujeme cíle v úloze s mnoha dalšími objekty ve scéně, stává se obtížné rozlišit objekty na periférii (crowding). Přestože sledování by mohlo být prováděno pouze pomocí pozornosti, je zajímavá otázka, jakým způsobem lidé plánují své oční pohyby při sledování. V naší studii jsme provedli MOT experiment, ve kterém jsme účastníkům předložili opakovaně několik úloh s proměnlivým počtem distraktorů, nahrávali jsme oční pohyby a měřili jsme konzistenci očních pohybů pomocí Normalized scanpath saliency (NSS) metriky. Vytvořili jsme několik analytických strategií, které se vyhýbají crowdingu a porovnali jsme je s očními daty. Kromě analytických modelů jsme trénovali neuronové sítě na předpovídání očních pohybů v MOT úlohách. Výkon navrhovaných modelů a neuronových sítí jsme vyhodnocovali na datech z nového MOT experimentu. Analytické modely vysvětlovaly variabilitu očních pohybů dobře (výsledky jsou srovnatelné s intraindividuálními rozdíly); předpovědi založené na neuronových sítích byly méně úspěšné.
|
|
|
Modelling eye movements during Multiple Object Tracking
Děchtěrenko, Filip ; Lukavský, Jiří (vedoucí práce) ; Toth, Peter Gabriel (oponent)
Lidé musí sledovat v každodenních situacích více objektů zároveň (např. řízení automobilu nebo kolektivní sporty). Sledování více objektů (MOT) věrohodně simuluje sledování více objektů v laboratorních podmínkách. Když sledujeme cíle v úloze s mnoha dalšími objekty ve scéně, stává se obtížné rozlišit objekty na periférii (crowding). Přestože sledování by mohlo být prováděno pouze pomocí pozornosti, je zajímavá otázka, jakým způsobem lidé plánují své oční pohyby při sledování. V naší studii jsme provedli MOT experiment, ve kterém jsme účastníkům předložili opakovaně několik úloh s proměnlivým počtem distraktorů, nahrávali jsme oční pohyby a měřili jsme konzistenci očních pohybů pomocí Normalized scanpath saliency (NSS) metriky. Vytvořili jsme několik analytických strategií, které se vyhýbají crowdingu a porovnali jsme je s očními daty. Kromě analytických modelů jsme trénovali neuronové sítě na předpovídání očních pohybů v MOT úlohách. Výkon navrhovaných modelů a neuronových sítí jsme vyhodnocovali na datech z nového MOT experimentu. Analytické modely vysvětlovaly variabilitu očních pohybů dobře (výsledky jsou srovnatelné s intraindividuálními rozdíly); předpovědi založené na neuronových sítích byly méně úspěšné.
|
host ::
RSS.