|
|
Deep Learning Algorithms on Embedded Devices
Hadzima, Jaroslav ; Boštík, Ondřej (oponent) ; Horák, Karel (vedoucí práce)
This paper describes currently widely used Deep Learning architectures and methods for object detection and classification in video, with intention of using them on embedded systems. We will cover steps and reasoning when choosing the most appropriate embedded hardware for our application. Our test application consists of vehicle detection and free parking space detection using Deep learning methods, all wrapped under name Smart car park. This application provides monitoring of vehicle presence in car park and if they occupy parking spot or not. All this is expected to be done using embedded device. Later, there will be covered configuration steps for our embedded device with emphasis on hardware optimization for speed. We will provide comparison of available inference models, which will be rated mostly in categories like speed or F1 score, which have the biggest impact in our application. The best candidate will be selected and used for testing of our application.
|
|
| |
|
|
Odhad 3D pozice vozidel z dopravních kamer
Pospíšil, Ondřej ; Herout, Adam (oponent) ; Hradiš, Michal (vedoucí práce)
Cílem této bakalářské práce je vytvořit metodu pro odhad 3D pozice vozidel z dopravních kamer. V práci jsou probrány existující metody pro detekci a odhad pozice vozidel. Součástí práce je i sestavení datové sady pro trénování a experimenty nad navrženou metodou pro odhad pozice vozidel. Navržená metoda používá konvoluční neuronovou síť pro regresi podstavy vozidla na obrázku. Pozice vozidla je poté promítnuta do roviny silnice pomocí homografie. Experimenty shrnují trénovaní a vyhodnocení metody pro odhad pozice a přesnosti ruční anotace pozice.
|
|
|
Měření rychlosti automobilů stacionární kamerou
Juřica, Tomáš ; Špaňhel, Jakub (oponent) ; Herout, Adam (vedoucí práce)
Tato bakalářská práce pojednává o problematice měření rychlosti automobilů z videozáznamu pořízeného staticky umístěnou videokamerou s výhledem na silnici. Popsána je tvorba nástroje s cílem dosáhnutí maximální přesnosti měření s minimálním uživatelským vstupem a časem měření jednoho objektu. Pojem o rozměrech scény systém získává na základě známých bodů ve scéně, jež jsou nástrojem manuálně vyznačeny. Dále je popsán vliv způsobu anotování průjezdů vozidel a kvality vstupního souboru na maximálně možnou dosažitelnou přesnost měření.
|
|
|
Analýza obsazenosti parkoviště
Stránský, Václav ; Rozman, Jaroslav (oponent) ; Marvan, Aleš (vedoucí práce)
Práce se zabývá analýzou obsazenosti parkoviště z videozáznamů kamery. Úkolem je určení obsazenosti jednotlivých míst s ohledem na možné využití pro inteligentní řízení parkoviště. Práce popisuje návrh, implementaci a testování tří metod detekce a jejich sloučení v robustnější a úspěšnější systém. Popisovanými metodami jsou detekce pohybu, založená na rozdílnosti po sobě jdoucích snímků. Druhou metodou je detekce hran, předpokládající rozdílnou členitost povrchu automobilů a povrchu parkoviště. Třetí metoda porovnává histogramy jednotlivých míst s histogramem všech volných míst. Implementovaný systém byl úspěšně otestován na reálných záznamech.
|
|
|
Detekce automobilů v obraze
Pomykal, Antonín ; Beran, Vítězslav (oponent) ; Herout, Adam (vedoucí práce)
Práce se zabývá možností detekce automobilů v obraze využívající charakteristických vlastností automobilů pomocí vlastních vytvořených obrazových příznaků, které jsou vytvořeny podle Haarových příznaků, a při použití metody AdaBoost pro trénování a vlastní detekci. Představíme si možnosti a typy vlastních obrazových příznaků, knihovnu OpenCV, která byla v implementaci programu využívána, a ukážeme si výsledky a úspěšnost této kombinace algoritmů při detekci.
|
|
|
Vizuální systém pro detekci obsazenosti parkoviště pomocí hlubokých neuronových sítí
Stránský, Václav ; Veľas, Martin (oponent) ; Rozman, Jaroslav (vedoucí práce)
Počet automobilů neustále roste a jejich parkování se čím dál více komplikuje. Ve městech proto začala vznikat inteligentní parkoviště. Tato práce se zabývá návrhem a implementací robustního systému pro analýzu obsazenosti parkoviště z kamerových záznamů. Systém analyzuje jednotlivá parkovací místa ze záznamů z více-kamerového systému s možností překryvu mezi kamerami. Aplikace je navržena a implementována v Robotickém operačním systému (ROS) a její jádro se skládá ze dvou oddělených klasifikátorů. Úspěšnější, avšak pomalejší, je klasifikace pomocí hluboké neuronové sítě. Rychlou interakci řeší méně přesný klasifikátor pohybu s modelem pozadí. Systém je schopen fungovat v reálném čase, a to na grafické kartě i na procesoru. Úspěšnost systému na testovací datové sadě z reálného provozu jednoho parkoviště přesahuje 95 %.
|
|
|
Cloudová aplikace pro analýzu dopravy
Valchář, Vít ; Sochor, Jakub (oponent) ; Herout, Adam (vedoucí práce)
Cílem této práce je vytvořit cloudovou aplikaci pro analýzu videa bez znalosti jakýchkoliv parametrů kamery. Jediným vstupem je tak adresa webové kamery. Aplikace je postavena na již existujícím řešení. To je vylepšeno přidáním nového modulu pro odstranění překážek, jako je např. sloup veřejného osvětlení zastiňující část vozovky, a modulu pro rozdělení dvou blízko sebe jedoucích vozidel. Výsledné cloudové řešení je tvořeno soustavou dílčích aplikací, které spolu komunikují pomocí HTTP zpráv a jsou ovládány přes webové rozhraní.
|
|
|
RoboAuto - Detekce automobilů
Melo, Jakub ; Řezníček, Ivo (oponent) ; Juránek, Roman (vedoucí práce)
Tato práce se zabývá detekcí a sledováním zadních částí automobilů. Pro detekci je použit algoritmus Adaboost. Ke sledování se používá Kalmanův filtr. V první části práce je představen princip detekce a sledování objektů. V druhé části práce jsou prezentovány experimenty s trénováním klasifikátorů a jejich výsledky.
|
|
|
Odhad 3D pozice vozidel z dopravních kamer
Pospíšil, Ondřej ; Herout, Adam (oponent) ; Hradiš, Michal (vedoucí práce)
Cílem této bakalářské práce je vytvořit metodu pro odhad 3D pozice vozidel z dopravních kamer. V práci jsou probrány existující metody pro detekci a odhad pozice vozidel. Součástí práce je i sestavení datové sady pro trénování a experimenty nad navrženou metodou pro odhad pozice vozidel. Navržená metoda používá konvoluční neuronovou síť pro regresi podstavy vozidla na obrázku. Pozice vozidla je poté promítnuta do roviny silnice pomocí homografie. Experimenty shrnují trénovaní a vyhodnocení metody pro odhad pozice a přesnosti ruční anotace pozice.
|
host ::
RSS.