|
|
Rekonstrukce digitálních fotografií s využitím hloubkové mapy
Valeš, Ondřej ; Brejcha, Jan (oponent) ; Čadík, Martin (vedoucí práce)
Cílem této práce je navrhnout postup, který bude provádět rekonstrukci digitálních fotografií na základě vyhledání podobných fotografií v datasetu, jejichž obsah je poté využit při rekonstrukci, a otestovat možnosti generování fotografií přímo z hloubkové mapy pro účely rekonstrukce. K určení podobnosti je použit deskriptor fotografií GIST nově obohacený o informaci z hloubkové mapy, který umožňuje rychlé vyhledání fotografií v datasetu a nový postup vkládání dat do rekonstruované oblasti, která je na rozdíl od existujících přístupů nejprve rozdělena na podoblasti na základě analýzy hloubkové mapy. To umožňuje řešit rekonstrukci jednotlivých podoblastí zcela odděleně a přináší zlepšení výsledku rekonstrukce, protože podoblasti jsou menší a méně komplexní. Součástí práce je klasifikace fotografií v datasetu pomocí rozšířeného deskriptoru GIST a implementace systému umožnujícího vyhledávání v datasetu na základě podobnosti a za pomoci hloubkové mapy.
|
|
|
Detection and Recognition of License Plates
Tykva, Jiří ; Zemčík, Pavel (oponent) ; Juránek, Roman (vedoucí práce)
The goal of this Bachelor's thesis is to design, implement, and test a system that can detect and recognize license plates in real-time by using neural networks. The collected data will be saved into the database. The system's architecture is divided into three main parts. The first part handles the license plate detection in the image by making use of the TensorFlow Object Detection API. The detector reaches the accuracy of 98.15 % AP with a speed of roughly 14 fps. The second part deals with license plate tracking by using the algorithm SORT. The third part holistically recognizes the text of the license plate and can reach up to 0.6% character error rate and 2% word error rate. The system may be used by law enforcement for purposes such as for keeping track of stolen vehicles or for the automatic road tolling.
|
|
|
Detekce obličejů v obraze, nezávisle na natočení
Bureš, Václav ; Herout, Adam (oponent) ; Beran, Vítězslav (vedoucí práce)
Práce se věnuje problematice detekce typově stejných objektů (konkrétně obličejů) v obraze. Následuje rozšíření popsaných metod o detekci objektů v různých natočeních. Naleznete zde stručný přehled využitelných metod, jako je například Logical Binary Patterns, Histogram Of Gradients, Eigen Faces a blíže popsanou metodu AdaBoost. Následuje stručný přehled volně dostupných datasetů a popis jejich vybraných vlastností. Ke konci práce jsou popsány experimenty s využitím algoritmu AdaBoost a jejich vyhodnocení.
|
|
|
Image Super-Resolution Using Deep Learning
Mojžiš, Tomáš ; Beran, Vítězslav (oponent) ; Španěl, Michal (vedoucí práce)
The aim of this thesis is to create a deep neural net capable of super-resolution on images acquired by electron microscopes. The thesis consists of two parts - finding appropriate data and creating a dataset for the super-resolution task and designing a neural net architecture capable of solving the super-resolution task. Within the thesis, two datasets comprised of images acquired by electron microscopes were created. The datasets differ in the approach to data augmentation. They allow to train a neural network which fulfills the super-resolution task. To solve this task, two U-Net based and one GAN based architecture were trained. The resolution of images was upscaled by a factor of two and four. The best artificially upscaled images were created by neural network Real-ESRGAN. The values of metrics were not higher than the tested interpolation method, but the images seem more visually pleasing especially when they were upscaled four times. Thanks to this thesis, two datasets were created allowing to train other possible neural network architectures to improve the quality of the artificially upscaled images. The neural networks trained in this thesis can be utilized in the process of acquiring higher quality data from low resolution electron microscope images.
|
|
|
Charakterizace chodců ve videu
Studená, Zuzana ; Špaňhel, Jakub (oponent) ; Hradiš, Michal (vedoucí práce)
Táto práca sa zaoberá získavaním informácií o chodcoch, ktorí sú zachytení pomocou statických vonkajších kamier umiestnených na verejných vonkajších alebo vnútorných priestranstvách. Cieľom je za použitia konvolučných neurónových sietí získať, čo najväčšie množstvo informácií ako je napríklad pohlavie, vek a typ oblečenia, doplnky, módny štýl alebo celková charakteristika osoby. Časť práce pozostáva z tvorby novej dátovej sady, ktorá zachytáva chodcov a k nim informácie o pohlaví, veku a módnom štýle osoby. Ďalšou časťou práce je návrh a implementácia konvolučných neurónových sietí, ktoré klasifikujú spomínané charakteristiky chodcov. Neurónové siete vyhodnocujú vstupné obrázky chodcov v dátových sadách PETA, FashionStyle14 a BUT atribúty chodcov. Vykonané experimenty nad dátovými sadami PETA a FashionStyle porovnávajú moje výsledky rôznych konvolučných neurónových sietí s publikáciami. Ďalšie experimenty sú ukázané na novo vytvorenej dátovej sade BUT atribúty chodcov.
|
|
|
Pedestrians Detection in Traffic Environment by Machine Learning
Tilgner, Martin ; Klečka, Jan (oponent) ; Horák, Karel (vedoucí práce)
This thesis deals with pedestrian detection using convolutional neural networks from the perspective of autonomous vehicle. Especially by testing these networks in the sense of finding a suitable practice of creating a dataset for machine learning models. A total of ten machine learning models of meta architectures Faster R-CNN with ResNet 101 as a feature extractor and SSDLite with the MobileNet_v2 feature extractor were trained. These models were trained on datasets of various sizes. The best results were achieved on a dataset of 5 000 images. In addition to these models, a new dataset aimed at pedestrians at night was created. Furthermore, a Python library was created for work with datasets and script for automatic creation of dataset.
|
|
|
Basics of Pedestrians Detection in Image by Machine Learning
Lučanský, Peter ; Klečka, Jan (oponent) ; Horák, Karel (vedoucí práce)
This thesis deals with cutting-edge computer vision task the detection of persons/pedestrians in images by using machine learning methods with its possible utilization, history of progress and explanations of functionalities. It also includes testing the today's best method available on various circumstances and comparing aspects that has impact on its performance. At the beginning the matter is fundamentally explained and then are in details described up to date achievements in the subject of matter. In the following part are described available datasets that may be used for training with pointed out their pros and cons. In the last section is in details explained how to use the chosen method. Lastly is executed its training on various situations and comparison of the results is made.
|
|
|
Využití strojového učení pro kontrolu kvality v průmyslových aplikacích
Gaško, Viktor ; Dobrovský, Ladislav (oponent) ; Parák, Roman (vedoucí práce)
Cieľom tejto bakalárskej práce je zoznámiť sa s problematikou kontroly kvality v priemyselných aplikáciách so zameraním na hlboké učenie. K tomuto a podobným problémom bolo vytvorených niekoľko knižníc, ktoré majú za úlohu uľahčiť jeho riešenie. Hlavnou úlohou je vytvorenie programu na kontrolu kvality za pomoci programovacieho jazyka Python a frameworku Tensorflow. Tento program bude pozostávať z troch neurónových sietí, pričom jedna zistí približnú polohu súčiastky, druhá jej farbu a tretia skontroluje správnosť jej výroby.
|
|
|
Analyzátor webové aplikace
Vašíček, Tomáš ; Lieskovan, Tomáš (oponent) ; Martinásek, Zdeněk (vedoucí práce)
Tato práce se věnuje oblasti identifikace technologií webových aplikací. Hlavním cílem této práce je vyvinout softwarový nástroj pro základní analýzu webových aplikací, jehož cílem je identifikace operačního systému, webového serveru a programovacího jazyka webové aplikace. Dalším cílem práce je možnost integrace vyvinutého nástroje do platformy Penterep ve formě rozšiřujícího modulu. V teoretické části je obsažen úvod do problematiky se zaměřením na popis a manuální demonstraci identifikačních metod používaných při analýze webových aplikací. Praktická část prezentuje návrh, implementaci a testování nástroje. Součástí praktické části je i popis experimentálního pracoviště, které bylo vytvořeno s využitím platformy Docker.
|
|
|
Umělá inteligence (AI ) v architektuře
Rubáč, František ; Mačuda, Michal (oponent) ; Vítek, Jiří (vedoucí práce)
Práce se primárně zabývá tématem AI a jejího využití v architektuře. V práci se zprvu zabývám AI v širším měřítku, poté uvedu jednotlivé možnosti využití AI v architektuře. Popisuji teoretické využití AI a tento popis doprovázím praktickými příklady. Poté se zaměřuji na organickou architekturu a na generování organických fasád a budov. Ke konci práce ukáži výsledky své práce na vygenerovaných výstupech a modelech.
|
host ::
RSS.