|
|
Movement Planning of a Hexapod Robot
Hostačná, Kristína ; Šátek, Václav (referee) ; Rozman, Jaroslav (advisor)
Táto práca predstavuje riešenie na dosiahnutie autonómnej navigácie šesťnohých robotov k cieľu v zornom poli pomocou neurónových sietí. Toto riešenie bolo implementované na dvoch verziách robotov – jednoduchý dizajn s dvoma kĺbmi na každej nohe a zložitejší dizajn s tromi kĺbmi na každej nohe. Hlavná výzva tohto problému - tj. zložitosť ovládania viacerých kĺbov narástla, aby sa umožnil širší rozsah pohybov a tým aj zväčšenie možností využitia robota. Metodológia výskumu zahŕňa využitie experimentov v simulácii aj v reálnom svete na modelovanie a zber údajov. Údaje z rôznych senzorov, vrátane kamier a pozícií serv, sú využité na trénovanie modelov neurónových sietí schopných interpretovať senzorické vstupy a generovať riadiace signály pre aktuátory robota. Základná architektúra neurónovej siete bola spočiatku nasadená pre obe konfigurácie, zatiaľ čo sofistikovanejší prístup zahŕňajúci konvolučné a rekurentné neurónové siete bol použitý neskôr. Vo výsledku, trénované neurónové siete demonštrujú schopnosť navigácie k cieľu.
|
|
|
Creating a Python-based Automated System for Recognizing Emotions from Facial Expressions.
Zima, Samuel ; Malik, Aamir Saeed (referee) ; Hussain, Yasir (advisor)
Táto práca skúma rozpoznávanie výrazu tváre (angl. facial expression recognition - FER) pomocou hlbokého učenia so zameraním na použitie v zariadeniach s obmedzenou pamäťou a výpočtovými zdrojmi. Začína výskumom emócií a výrazov tváre z psychologického, biologického a sociologického hľadiska. Jadro výskumu tvorí návrh a implementácia automatizovaného systému pre FER s použitím súboru dát FER-2013. Tento systém využíva prispôsobenú architektúru SqueezeNet rozšírenú o jednoduchý obchvat, vrstvy náhodného odpadu neurónov a vrstvy dávkovej normalizácie. Tento systém dosahuje na súbore dát FER-2013 presnosť 66,37 %. Pre porovnávaciu analýzu sa tento model porovnal s upravenou architektúrou VGG16, ktorá dosiahla presnosť 65,09 %. Táto práca poskytuje cenné poznatky o vývoji menších, efektívnejších modelov strojového učenia pre FER, ktoré sú použiteľné pre široké spektrum zariadení vrátane nízkovýkonných procesorov a vstavaných zariadení.
|
|
|
Automated compression of neural network weights
Lorinc, Marián ; Sekanina, Lukáš (referee) ; Mrázek, Vojtěch (advisor)
Konvolučné neurónové siete (CNN) od svojho vynájdenia zrevolucionizovali spôsob, akým sa realizujú úlohy z odvetvia počítačového videnia. Vynález CNN viedol k zníženiu pamäťovej náročnosti, keďže váhy boli nahradené konvolučnými filtrami obsahujúcimi menej trénovateľných váh. Avšak, toto zníženie bolo dosiahnuté na úkor zvýšenia požiadaviek na výpočtový výkon, ktorý je naviazaný na výpočet konvolúcie. Táto práca skúma hypotézu, či je možné sa vyhnúť načítavaniu váh a miesto toho ich vypočítať, čím sa ušetrí energia. Na otestovanie tejto hypotézy bol vyvinutý nový algoritmus kompresie váh využívajúci Kartézske genetické programovanie. Tento algoritmus hľadá najoptimálnejšiu funkciu kompresie váh s cieľom zvýšiť energetickú účinnosť. Experimenty vykonané na architektúrach LeNet-5 a MobileNetV2 ukázali, že algoritmus dokáže efektívne znížiť spotrebu energie pri zachovaní vysokej presnosti modelu. Výsledky ukázali, že určité vrstvy je možné doplniť vypočítanými váhami, čo potvrdzuje potenciál pre energeticky efektívne neurónové siete.
|
|
|
Detection of Nudity in an Image Data
Pešková, Daniela ; Orság, Filip (referee) ; Goldmann, Tomáš (advisor)
Zameranie tejto práce je vytvorenie nástroja schopného detekovať nahotu v obrazových dátach. To je dosiahnuté natrénovaním modelu na detekciu inkriminovaných častí tela a vytvorením algoritmu schopného detekovať pokožku. Výsledné nástroje môžu byť použité pre automatickú detekciu nahoty v obrázkoch. Prvá časť práce sa zameriava na teóriu neurónových sietí a počítačového videnia so zameraním na detekciu pokožky. Druhá časť hovorí o prístupe zvolenom pre vytvorenie datasetu, procese tvorby a trénovania modelu schopného detekovať nahotu v obraze, ako aj o algoritmickom prístupe.
|
|
|
Evolutionary Design of Image Classifier
Koči, Martin ; Bidlo, Michal (referee) ; Drahošová, Michaela (advisor)
This thesis deals with evolutionary design of image classifier with help of genetic programming, specifically with cartesian genetic programming. Thesis discribes teoretical basics of machine learing, evolutionary algorithms and genetic programming. Part of this thesis is described design of the program and its implementation. Futhermore, experiments are performed on two solved tasks for the classification of handwritten digits and the classification of cube drawings, which can be used to determine the rate of dementia in Parkinson's disease. The best designed solution for digits is with AUC of 0.95 and for cubes 0.86. Designed solutions are compared by other methods, namely convolutional neural networks (CNN) and the support vector machines (SVM). The resulting AUC for the classification of digits for both CNN and SVM is 0.99, for cubes CNN has a final AUC 0.81 and SVM 0.69. The cubes are then compared with existing solution, which resulted in AUC 0.70, so that the results of the experiments show an improvement in the method used in this thesis.
|
|
|
Application of Neural Accelerators on Rapsberry PI
Barna, Kristian ; Sekanina, Lukáš (referee) ; Vašíček, Zdeněk (advisor)
The presented bachelor thesis deals with the statistical evaluation of performance for hardward accelerator of deep neural networks. Describes convolutional neural networks along with mathematical calculations. Explains their acceleration and conversion to a format suitable for the Intel Movidius NCS accelerator. 8 hardware platforms and 22 neural network difficulties were compared experimentally. Up to 105-fold improvement was demonstrated in isolated inference of the MobileNetV2 network for the Raspber Pi platform using an accelerator. Performance between the tested platforms was also evaluated from an energy point of view. The application of facial identity demonstrated the conditions during real use. Possible limits of CNN acceleration on power-limited devices (Raspberry Pi) have been uncovered, especially due to improper selection of input image resolution. All measurements were evaluated by statistical procedures.
|
|
|
Evaluation of targets in shooting range based on image data
Sujová, Sára ; Šťastný, Jiří (referee) ; Škrabánek, Pavel (advisor)
The thesis describes the design and implementation of a computer vision system for evaluating targets on the shooting range using image data. The program respects the restrictions based on safety measures established by the the shooting range manager and uses an uniform system of lighting and camera placement. The work consists of several parts. The first part is the creation of the dataset and its annotation. The second part is the creation of the program. The program includes a photo of the target, which is suitably edited and divided into sub-areas in the pre-processing phase. These sub-regions are then iteratively processed by the U-NET network, which produces segmentation maps that are subsequently combined into the resulting map. The positions of the detected shots are obtained from this map. In the last part of the program, a point evaluation of the shooting session is obtained.
|
|
|
Object Detection in the Laser Scans Using Convolutional Neural Networks
Marko, Peter ; Beran, Vítězslav (referee) ; Veľas, Martin (advisor)
This thesis is aimed at detection of lines of horizontal road markings from a point cloud, which was obtained using mobile laser mapping. The system works interactively in cooperation with user, which marks the beginning of the traffic line. The program gradually detects the remaining parts of the traffic line and creates its vector representation. Initially, a point cloud is projected into a horizontal plane, crating a 2D image that is segmented by a U-Net convolutional neural network. Segmentation marks one traffic line. Segmentation is converted to a polyline, which can be used in a geo-information system. During testing, the U-Net achieved a segmentation accuracy of 98.8\%, a specificity of 99.5\% and a sensitivity of 72.9\%. The estimated polyline reached an average deviation of 1.8cm.
|
|
|
Vehicle License Plate Detection and Recognition Software
Masaryk, Adam ; Hradiš, Michal (referee) ; Špaňhel, Jakub (advisor)
The aim of this bachelor thesis is to design and develop software that can detect and recognize license plates from images. The software is divided into 3 parts - license plates detection, detector output processing and license plates characters recognition. We decided to implement detection and recognition using modern methods using convolutional neural networks.
|
|
|
Comic Images Super-Resolution Using Deep Learning
Zdravecký, Peter ; Juránek, Roman (referee) ; Španěl, Michal (advisor)
Táto práca demonštruje metódu super rozlíšenia na zlepšenie kvality komiksových obrázkov pomocou hlbokého učenia. Náročnou časťou tejto úlohy bolo súčasne zachovať kvalitu textových a kreslených častí, bez výraznej deformácie ktorejkoľvek časti z nich. Na dosiahnutie uspokojivých výsledkov boli skúmané dve hlboké neurónové siete. Sieť U-Net a modifikácia s názvom Robustný U-Net (RUNet). Zvolené stratové funkcie na trénovanie týchto sietí boli stredná kvadratická chyba a perceptuálna strata. Práca obsahuje experimenty na týchto sieťach v kombinácii s každou stratovou funkciou. Ďalšie experimenty sa zamerali na vplyv počtu použitých blokov zo stratovej siete VGG16 na funkciu perceptuálnej straty. Experimenty ukázali, že sieť RUNet využívajúca perceptuálnu stratu s tromi extrahovanými blokmi dosiahla najlepšie výsledky.
|
guest ::
