|
|
A Reduced Neural Network for Classifying the Presence of People in an Image
Stanček, Rastislav ; Rydlo, Štěpán (referee) ; Goldmann, Tomáš (advisor)
Táto práca sa zameriava na tému počítačového videnia, presnejšie, na binárnu klasifikáciu prítomnosti ľudí v obrazových dátach. Cieľom tejto práce je vytvoriť redukovanú neurónovú sieť s využitím metódy knowledge distillation. Klasifikácia a detekcia objektov je výpočtovo náročná operácia. Študentský model vytvorený pomocou knowledge distillation vykazuje ekvivalentnú presnosť, pričom je menší a má vyššiu inferenčnú rýchlosť v porovnaní s učiteľským modelom. Takýto model môže byť interdisciplinárne všestranný a to predovšetkým na koncových zariadeniach, ktoré majú relatívne slabé výpočtové schopnosti.
|
|
|
Implementing gesture recognition on ARM as an alternative to traditional device control
Gajdošík, Richard ; Zbořil, František (referee) ; Kočí, Radek (advisor)
Cieľom tejto bakalárskej práce je vývoj a implementácia systému na rozpoznávanie gest s využitím architektúry ARM, konkrétne s použitím dosky i.MX 93 a TensorFlow Lite. Projekt sa zameriava na aplikáciu neurónových sietí pre rozpoznávanie gest rúk, čím poskytuje alternatívu k tradičným metódam ovládania zariadení. Dôležitou súčasťou práce je rozsiahla analýza existujúcich riešení rozpoznávania gest, zameraná na identifikáciu ich silných stránok a možných vylepšení. Práca detailne opisuje proces navrhovania, vývoja a optimalizácie modelu na rozpoznávanie gest v reálnom čase, špeciálne prispôsobeného pre čipy ARM s dôrazom na efektivitu a výkon. Okrem toho práca aj obsahuje vytvorenie demonštračnej aplikácie, ktorá vizuálne reprezentuje rozpoznané gestá. Užívateľské testovanie je uskutočnené na hodnotenie praktickosti a užívateľského zážitku systému rozpoznávania gest, čo poskytuje cennú spätnú väzbu pre budúce vylepšenia.
|
|
|
Using dense X-ray reconstructions for developing virtual sawing method
Kunda, Matej ; Nosko, Svetozár (referee) ; Zemčík, Pavel (advisor)
Využívanie strojového učenia a počítačovej optimalizácie rastie a zasahuje do mnohých oblastí a piliarsky priemysel nie je výnimkou. Vďaka optimalizačným algoritmom a virtuálnemu píleniu môžu píly vyrábať dosky a iné drevené výrobky oveľa vyššej kvality. Hlavným faktorom, ktorý zhoršuje kvalitu dosiek, sú hrče. Hrče sú zvyšky konárov, ktoré sú prítomné v každom kuse guľatiny a pílených dosiek. Ich polohu však možno ovplyvniť metódami optimalizácie pílenia a maximalizovať kvalitu a cenu dosiek. Cieľom tejto diplomovej práce bolo vyvinúť jednu z metód optimalizácie pílenia - optimalizáciu uhla pílenia. Pred pílením možno guľatinu otočiť a kontrolovať polohu hŕč na doskách. Metóda optimalizácie funguje tak, že sa röntgenové snímky prevedú na funkciu, ktorá predstavuje umiestnenie uzlov pozdĺž polárnych uhlov v dreve, a na ďalšiu funkciu, ktorá obsahuje Gaussove krivky v rohových bodoch dosiek v píliacom vzore. Nakoniec sa vypočíta a minimalizuje korelácia medzi týmito dvoma funkciami, čo vedie k tomu, že sa uzly vyhnú rohovým oblastiam na doske. Navrhovaná metóda funguje na jednoduchom princípe, je výpočetne efektívna a možno ju nasadiť v aplikáciách, ktoré pracujú v reálnom čase. Vyvinutá metóda bola vyhodnotená aplikáciou virtuálneho pílenia pomocou uhlov získaných na datasete obsahujúcom anotované röntgenové údaje guľatiny, ktorý bol porovnaný so segmentovanými pozíciami hŕč a priemerným výsledkom. Výsledkom práce bolo pozoruhodné zníženie počtu hranových hŕč v už aj tak vysoko optimalizovanom prostredí pílenia.
|
|
|
The use of deep neural networks for the evaluation of metallographic cross-sections
Semančík, Adam ; Mendřický, Radomír (referee) ; Hurník, Jakub (advisor)
Táto diplomová práca skúma aplikáciu hlbokých neurónových sietí pre vylepšenie hodnotenia metalografických výbrusov pre materiály vyrobené pomocou aditívnej výroby. Zameriava sa na dve pokročilé techniky spracovania obrazu: sémantickú segmentáciu a super-rozlíšenie obrazu. Na sémantickú segmentáciu bola použitá architektúra U-Net pre klasifikáciu defektov, ako sú dva typy pórov. Okrem toho bol použitý model SRGAN (Super-Resolution Generative Adversarial Network) pre zvýšenie rozlíšenia obrazu, čo potenciálne zlepšuje presnosť segmentácie. Výskum hodnotí, či model trénovaný na AlSi10Mg môže dostatočne dobre vyhodnocovať materiály Cu99 a Ti6Al4V. Zároveň hodnotí vplyv super-rozlíšenia na výkonnosť segmentácie. Výsledky ukázali, že zatiaľ čo model segmentácie dosahoval dobré výsledky na AlSi10Mg, generalizácia na iné materiály vyžaduje diverzifikovanejšie tréningové dáta. V dôsledku výpočtových obmedzení zostáva kombinovaný efekt super-rozlíšenia a segmentácie nejednoznačný, čo naznačuje potrebu ďalšieho výskumu s výkonnejšími výpočtovými zdrojmi.
|
|
|
Animal Identification Based on Biometric Information
Jančeková, Lucia ; Sakin, Martin (referee) ; Dyk, Tomáš (advisor)
Táto práca sa zaoberá identifikáciou divej zvery, konkrétne diviaka pomocou fotografii nosu. Ide o identifikáciu jednotlivcov a využívajú sa na to ryhy, ktoré sa nachádzajú na vrchnej časti nosu. V rámci tejto práci je navrhnuté a implementované riešenie na extrakciu tejto biometrickej informácii a porovnaním ju s ostatnými už uloženými šablónami. Riešenie je otestované na fotografiách z rovnakého diviaka, ale aj na 49 ďalších individuálnych jedincov.
|
|
|
COVID-19 disease classification based on analysis of chest X-rays
Šteflík, Dominik ; Kiac, Martin (referee) ; Myška, Vojtěch (advisor)
This diploma thesis addresses the development and evaluation of artificial intelligence algorithms for classifying COVID-19 disease from chest X-ray images. Given the severity and impact of the COVID-19 pandemic on the global population, the ability to rapidly and accurately diagnose diseases from radiographic images has become critical. This study synthesizes current advancements in image processing and deep learning to evaluate the application of several novel classification methods in practice. Using a dataset obtained from a Czech medical environment, these methods are analyzed and validated in order to examine their effectiveness and accuracy in real life scenarios. The methods chosen for this study, COVID-Net, DarkCovidNet, and CoroNet, were selected due to their availability, widespread use and proven effectiveness in the field. The core of the thesis is the design of a convolutional neural network tailored to extract and learn from the subtle features present in X-ray images indicative of COVID-19. This initiative confronted significant challenges posed by variable acquisition parameters of X-ray images, which can substantially affect diagnostic accuracy. The uniformity of these parameters is crucial for reliable analysis, underscoring the importance of rigorous preprocessing techniques. In response, advanced normalization, contrast adjustment, and augmentation procedures were implemented to standardize the input data. The convolutional network itself employs a series of convolutional, pooling, and fully connected layers, optimized to handle the nuanced variations present in medical imaging data. Notably, the network architecture incorporates an attention mechanism, implemented through a Squeeze-and-Excitation block, to dynamically adjust the importance of different channels in the input image. By integrating these elements, the network model is trained to focus on significant features within the X-ray images, allowing it to distinguish subtle indicators of COVID-19 effectively. Furthermore, this work discusses the potential of integrating these AI-driven diagnostic tools into existing healthcare infrastructures to enhance early detection and treatment of COVID-19. The findings indicate that leveraging artificial intelligence in medical imaging can substantially aid in managing and controlling disease outbreaks, ultimately contributing to better health outcomes.
|
|
|
Tracking People in Video Captured from a Drone
Lukáč, Jakub ; Orság, Filip (referee) ; Goldmann, Tomáš (advisor)
Práca rieši možnosť zaznamenávať pozíciu osôb v zázname z kamery drona a určovať ich polohu. Absolútna pozícia sledovanej osoby je odvodená vzhľadom k pozícii kamery, teda vzhľadom k umiestneniu drona vybaveného príslušnými senzormi. Zistené dáta sú po ich spracovaní vykreslené ako príslušné cesty v grafe. Práca si ďalej dáva za cieľ využiť dostupné riešenia čiastkových problémov: detekcia osôb v obraze, identifikácia jednotlivých osôb v čase, určenie vzdialenosti objektu od kamery, spracovanie potrebných senzorových dát. Následne využiť preskúmané metódy a navrhnúť riešenie, ktoré bude v reálnom čase pracovať na uvedenom probléme. Implementačná časť spočíva vo využití akcelerátoru Intel NCS v spojení s Raspberry Pi priamo ako súčasť drona. Výsledný systém je schopný generovať výstup o polohe detekovaných osôb v zábere kamery a príslušne ho prezentovať.
|
|
|
Displaying Virtual Graphics and Animations for Sports Analysis
Očenáš, Daniel Miloslav ; Zemčík, Pavel (referee) ; Beran, Vítězslav (advisor)
The aim of this bachelor thesis is to create graphic tools used for the analysis of video recordings of sports events, especially football matches. The user can use the tools to highlight selected football players, which are further tracked and highlighted with three-dimensional objects rendered into video scene. Secondly, user can manually create pointed arrows representing player or football movement. Three-dimensional objects are created by perspective distortion corresponding with the scene taken by camera. The theoretical part focuses on the proper rendering of graphical objects into calibrated scene. The practical part focuses on implementation and visualization of mentioned tools by using OpenGL library.
|
|
|
Machine vision for locating objects
Hasík, Dávid ; Huzlík, Rostislav (referee) ; Vetiška, Jan (advisor)
The bachelor’s thesis deals with design of machine vision system for object localization and its application possibilities. Design approach, its components and their individual advantages and disadvantages for this type of machine vision system are described. This thesis also includes simple model of machine vision system for object localization using regular PC. For image processing is used Vision Assistant and its tools. Two scripts are made in this software and their performance is compared.
|
|
|
Applications of Ant Algorithms
Kaščák, Imrich ; Vašíček, Zdeněk (referee) ; Bidlo, Michal (advisor)
The presented thesis focuses on the basic optimization algorithm of Ant Colony Optimization (ACO) - Ant System (AS) and its extension, Ant Colony System (ACS) on Traveling Salesman Problem (TSP). The essence of these algorithms is to find the optimal solution (the shortest path) in a specified instance containing several locations. The thesis demonstrates verification of behaviour of both algorithms, experimental study of impact of adjustable parameters of ant algorithms on result. Furthermore, the thesis is focused on examining the idea of optimizing detection of image edges by introducing a modification into an existing solution. Modified solution experiments are performed and compared to the original.
|
guest ::
