|
|
Face superresolution from image sequence
Mezina, Anzhelika ; Rajnoha, Martin (oponent) ; Burget, Radim (vedoucí práce)
This work is focused on application of deep learning in increasing resolution of images containing face. This can be applied in different fields, including security. For example, in case of incident, the police needs to identify a culprit from the records of security camera. The aim of this work is to propose neural network models, which would work with sequence of frames, and to compare these models with existing methods for a single image super-resolution. For this purpose, a new dataset with sequences of the images with faces is created. The methods for the single super-resolution are trained on the new dataset. The new architectures for multiframe super-resolution are proposed. They are based on U-Net model. This model is successful for segmentation tasks, but it can be also applied for super-resolution tasks. To improve this architecture, the residual blocks and its modification are used. To avoid blurring effect and recover more details, the perceptual loss function is applied. In the first part of this work, the description of neural networks and overview of the architectures, which can be applied in super-resolution, is provided. The second part contains the methods for super-resolution of a single frame, multiframe, video. In the next section, there is a description of proposed architectures and description of the experiment. In the last part of the work, multiframe methods and single frame methods are compared. In the result, the proposed methods recover more details, however, some architectures produce artefacts, which can be reduced using a filter, for example, Gaussian. New methods allow to reduce the number of failed face recognition. This fact is necessary for person identification in case of incidents.
|
|
|
Generovaní databáze pro specifické případy identifikace osob
Kolmačka, Tomáš ; Kolařík, Martin (oponent) ; Rajnoha, Martin (vedoucí práce)
Diplomová práce se věnuje současné problematice identifikace osob a hlubokého učení. Dále se práce zabývá především získáním kvalitních a různorodých dat, které jsou využívány k trénování hlubokého učení s konvolučními neuronovými sítěmi pro rozpoznávání obličejů. Takových dat je velmi málo veřejně přístupných, proto se praktická část práce zaměřuje na vytvoření pluginu pro nástroj MakeHuman umožňující generování databáze obrázků náhodných tváří. Generovat tváře je možné podle pěti různých scénářů, ve kterých jsou vytvářeny čistě náhodné obličeje nebo obličeje, na kterých je možné vidět ten stejný obličej jen s různými modifikacemi jako je změna vlasů, vousů, klobouků, brýlí a dalšího. Scénáře také umožňují generování tváří s různými výrazy nebo tváře při stárnutí. V pluginu je možné nastavení některých parametrů, které dávají podobu výsledné databázi. Ta může obsahovat snímky tváře z různých úhlů natočení, přiblížení a při různém nasvícení.
|
|
|
Determination of Objects Similarity Based on Image Information
Rajnoha, Martin ; Kamencay,, Patrik (oponent) ; Beneš, Radek (oponent) ; Burget, Radim (vedoucí práce)
Monitoring of public areas and their automatic real-time processing became increasingly significant due to the changing security situation in the world. However, the problem is an analysis of low-quality records, where even the state-of-the-art methods fail in some cases. This work investigates an important area of image similarity – biometric identification based on face image. The work deals primarily with the face super-resolution from a sequence of low-resolution images and it compares this approach to the single-frame methods, that are still considered as the most accurate. A new dataset was created for this purpose, which is directly designed for the multi-frame face super-resolution methods from the low-resolution input sequence, and it is of comparable size with the leading world datasets. The results were evaluated by both a survey of human perception and defined objective metrics. A hypothesis that multi-frame methods achieve better results than single-frame methods was proved by a comparison of both methods. Architectures, source code and the dataset were released. That caused a creation of the basis for future research in this field.
|
|
|
Strojové porozumění textovým zprávám používaných v letectví
Lieskovský, Pavol ; Rajnoha, Martin (oponent) ; Povoda, Lukáš (vedoucí práce)
Táto práca sa zaoberá problematikou textovej správy NOTAM, ktorá sa používa v letectve. Dokumentuje rozdiel medzi textovou a digitálnou podobou správy NOTAM, špeciálne typy správ NOTAM a položky z ktorých sa správa NOTAM skladá. Popisuje syntax a funkcie programu, ktorý bol v rámci práce vytvorený. Program je plne schopný správneho spracovania a naparsovania správy NOTAM. Program dokáže do mapy vykresliť oblasti jednotlivých správ NOTAM a tiež poskytuje funkciu detekcie kolízie týchto oblastí s letovým plánom.
|
|
|
Warehouse modeling using graphical user interface
Rajnoha, Martin ; Mašek, Jan (oponent) ; Burget, Radim (vedoucí práce)
Master’s thesis proposes a new algorithm which enables efficient conversion of graphical representation of warehouse into graph theory representation and consequently accelerates estimation for route costs. The proposed algorithm computes route distances between any places in warehouse based on Breadth first search, image processing „skeletonization“ and Dijkstra algorithm. Using the proposed algorithm it is possible to search routes in a warehouse effectively and fast using precomputed routing table. Searching time is less then milisecond using routing table and even size of warehouse doesn’t affect it significantly instead of using Dijkstra algorithm.
|
|
|
Prototypové ověření modifikace evolučního algoritmu
Švestka, Marek ; Rajnoha, Martin (oponent) ; Šeda, Pavel (vedoucí práce)
Tato práce se zabývá evolučními algoritmy s vazbou na problém plánování přistávání letounů na letištích. Cílem práce je vytvořit genetický algoritmus na řešení této úlohy, aplikovat zvolené modifikace od vedoucího práce, výsledky statisticky zpracovat a porovnat. Hledání řešení problému probíhá za pomoci různých selekčních metod, které jsou blíže porovnány a vyhodnoceny. Vstupní data pro konkrétní úlohu jsou použity z Operations research knihovny. Výstupem práce je náhled na evoluční přístup k programování a jeho využití.
|
|
|
Extrémní učící se stroje pro předpovídání časových řad
Zmeškal, Jiří ; Rajnoha, Martin (oponent) ; Burget, Radim (vedoucí práce)
Práce je zaměřena na možnost využití extrémních učících se strojů a sítí s ozvěnou stavu pro předpověď časových řad s možností akcelerace pomocí grafických procesorů. Takovéto předpovědi jsou v dnešní době každodenní součástí života naprosté většiny lidí, a to vzhledem k jejich využití v předpovědích počasí, vývoje finančního a akciového trhu, spotřeby energie a mnohých dalších věcí. Práce uvádí teoretický podklad extrémních učících se strojů a sítí s ozvěnou stavu, jejichž hlavní výhodou je náhodná volba většiny parametrů neuronové sítě a iterativního postupu dopočtu parametrů, programovací nástroje k jejich realizaci, jako je knihovna ND4J a CUDA toolkit, tvorbu vlastního programu, a nakonec i test doby zpracování a přesnosti.
|
|
|
Analysis of the communication path attributes for IP geolocation
Rajnoha, Martin ; Komosný, Dan (oponent) ; Balej, Jiří (vedoucí práce)
The aim of this thesis was to study current resources to find location of stations in the network Internet, mainly active methods that are based on delay measurements. Describe origin of the delay and its parts. Next create an application that is able remotely measure the delay between stations and convert this delay to distance. Aplication calculate geographic position of station on based this distances. For measurement was used experimental network PlanetLab.
|
|
|
Vliv pozadí a velikosti databáze na trénování neuronových sítí pro klasifikaci obrazů
Mikulec, Vojtěch ; Kolařík, Martin (oponent) ; Rajnoha, Martin (vedoucí práce)
Tato bakalářská práce se zaobírá vlivem pozadí a velikosti databáze na trénování neuronových sítí pro klasifikaci obrazů. V práci jsou popsány techniky zpracování obrazů pomocí konvolučních neuronových sítí a vliv pozadí (šumu) a velikosti databáze na trénování. Práce navrhuje metody, se kterými lze dosáhnout rychlejšího a přesnějšího procesu trénování konvolučních neuronových sítí. Pro experimentování je vybrána binární klasifikace datové množiny označených tváří z různého prostředí, jejíž pozadí je pro každý experiment modifikováno nahrazením barvou nebo ořezáním. Velikost datové množiny je pro trénování konvolučních neuronových sítí klíčová, v této práci je experimentováno s velikostí trénovací množiny, což simuluje reálný problém s nedostatkem dat při trénování konvolučních neuronových sítí pro klasifikaci obrazů.
|
|
|
Handwritten text recognition using a sliding window
Ďuriš, Denis ; Povoda, Lukáš (oponent) ; Rajnoha, Martin (vedoucí práce)
This bachelor thesis deals with optical character recognition. It focuses on recognizing hand-written text. The theoretical introduction describes the methods used for optical character recognition and selected machine learning methods. Subsequently, the work describes two methods for making cutouts of characters, using a sliding window. Cutouts are used in training and testing datasets of machine learning models. The document includes methods to improve the accuracy of character recognition. The accuracy of the models is evaluated in conclusion. Charcters in cutouts are clasified by an automated recognition program.
|
host ::
RSS.