|
|
Adaptivní ekvalizace histogramu digitálních obrazů
Kvapil, Jiří ; Martišek, Karel (oponent) ; Druckmüller, Miloslav (vedoucí práce)
Diplomová práce je zaměřena na metodu ekvalizace histogramu a její rozšíření o adaptivní okolí. Práce obsahuje popis základních pojmů, na kterých je metoda ekvalizace a adaptivní ekvalizace postavena. Dále se zabývá vlastnostmi lidského vidění a principy jeho napodobení. Praktická část této práce se věnuje zhotovením software, který umožňuje tyto metody použít a na závěr předkládá výsledky, kterých bylo dosaženo.
|
|
|
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.
|
|
|
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.
|
|
|
Adaptivní ekvalizace histogramu digitálních obrazů
Kvapil, Jiří ; Martišek, Karel (oponent) ; Druckmüller, Miloslav (vedoucí práce)
Diplomová práce je zaměřena na metodu ekvalizace histogramu a její rozšíření o adaptivní okolí. Práce obsahuje popis základních pojmů, na kterých je metoda ekvalizace a adaptivní ekvalizace postavena. Dále se zabývá vlastnostmi lidského vidění a principy jeho napodobení. Praktická část této práce se věnuje zhotovením software, který umožňuje tyto metody použít a na závěr předkládá výsledky, kterých bylo dosaženo.
|
host ::
RSS.