|
|
Vícekanálové metody zvýrazňování řeči
Zitka, Adam ; Balík, Miroslav (oponent) ; Smékal, Zdeněk (vedoucí práce)
Diplomová práce se zabývá vícekanálovými metodami zvýrazňování řeči. Vícekanálové metody zvýrazňování řeči používají pro snímání signálů více mikrofonů. Ze směsí signálů můžeme pomocí neuronových sítí oddělit například jednotlivé mluvčí, potlačit hluk v pozadí či šum. Tato úloha bývá nazývána cocktail-party efekt. Hlavní metoda řešící tento problém se nazývá analýza nezávislých komponent. V práci jsou nejdříve popsány její teoretické základy a jsou představeny podmínky a požadavky k její aplikaci. Jednotlivé metody ICA se snaží směsi rozdělovat pomocí hledání co nejmenších gaussovských vlastností signálů. Pro analýzu nezávislých komponent se používají různé matematické vlastnosti signálů jako je např. špičatost a entropie. Signály, které byly smíšeny uměle v počítači, lze poměrně dobře oddělovat např. pomocí FastICA či algoritmu rostoucího gradientu. Složitější situace nastává, chceme-li oddělit signály pořízené v reálném nahrávacím prostředí, protože separaci řeči osob současně mluvících v reálném prostředí ovlivňují různé další okolnosti jako akustické vlastnosti místnosti, šum, zpoždění, odrazy od stěn, pozice či typ mikrofonů apod. Práce představuje postup analýzy nezávislých komponent ve frekvenční oblasti, který dokáže úspěšně oddělit i nahrávky pořízené v reálném prostředí.
|
|
|
Využití EEG ve vyhodnocování emocionálních stavů člověka
Strakoš, Libor ; Mézl, Martin (oponent) ; Potočňák, Tomáš (vedoucí práce)
Diplomová práce se zabývá možnostmi zpracování EEG a klasifikací emocí do tříd v rámci emočního dvoudimenzionálního prostoru. První část tvoří literární rešerše na téma využití záznamu EEG pro zachycení emoční odezvy člověka na stimulační podněty zvukového, vizuálního a audiovizuálního (multimediálního) charakteru. Je zde diskutováno hledisko emoce z pohledu fyziologie a psychologie. Následně jsou uvedený technické poznatky ze záznamu emoce různými modalitami a jejich zpracování, analýzy a klasifikace v rámci dvoudimenzionálního prostoru Valence - Arousal. Na základě teoretických poznatků byl navržený komplexní postup měření a vyhodnocení emocí za použití EEG. Za tímto účelem byly sestaveny dva měřící protokoly s audiovizuální stimulací. Dále je zde uveden postup předzpracování a analýzy dat, výběr příznaků a klasifikace za použití moderních i zavedených metod. Celý navržený postup byl následně realizován a otestován v rámci dvou měření za využití moderního EEG přístroje EGI GES 400MR v laboratorních podmínkách a komerčního, cenově dostupného přístroje Emotiv EPOC v podmínkách mimo laboratorní prostředí. Signály byly zpracovány a emoce klasifikovány na základě vybraných popisných elementů. Výsledkem práce je hodnocení úspěšnosti klasifikace emocí v různých konfiguracích pro výběr popisných elementů a klasifikačních metod a jejich parametrů.
|
|
| |
|
|
Detekce a identifikace obličeje na fotografii
Konôpková, Júlia ; Drahanský, Martin (oponent) ; Váňa, Jan (vedoucí práce)
Práce se zabývá problematikou detekce a identifikace obličeje na fotografích. V úvodu jsou rozebrány nejznámější metody se stručnými popisy jejich pricipů. Některé z nich v rámci praktické části implementujeme a otestujeme na volně dostupných databázích. V závěru práce jsou zhodnoceny výsledky metod a uzavření celé práce.
|
|
|
Time Frequency Analysis of ERP Signals
Bartůšek, Jan ; Provazník, Ivo (oponent) ; Černocký, Jan (vedoucí práce)
The aim of this work is to improve the algorithm for clustering ERP signals based on the temporal and spatial properties of pseudo-signals gained by the Independent Component Analysis. The main purpose is to find new features, which could improve the original algorithm. This study is investigating application of new features gained by Fourier Transform and short time Fourier Transform methods. Basic principle and performance of the concept is demonstrated on the sample algorithm. Results have shown that the method can bring a contribution to the original project and can be its convenient improvement.
|
|
|
Identifikace osob podle obličeje
Ťapuška, Tomáš ; Zuzaňák, Jiří (oponent) ; Hradiš, Michal (vedoucí práce)
Tato diplomová práce se zabývá přehledem nejznámějších metod pro automatické rozpoznávání osob podle jejich tváře. Jsou v ní popsané jejich výhody i nevýhody. Tato práce je zaměřená zejména na holistické metody rozpoznávání pracující s 2D snímky osob. Byl implementován systém pro automatickou identifikaci osob podle digitálního snímku tváře. V tomto systému byly využity metody KNN (K-tý nejbližší soused), PCA (Analýza hlavních komponent) a LDP (Lineární diskriminační projekce). Po jejich implementaci byly provedeny důkladné testy, aby bylo možné jednotlivé metody mezi sebou porovnat. Testy byly provedeny na testovacích datech využívajících datovou sadu FERET. V závěru práce jsou zdhodnoceny jednotlivé přístupy a určena nejlepší metoda z implementovaných metod z pohledu úspěšnosti při rozpoznávání.
|
|
|
Metody a algoritmy pro rozpoznávání obličejů
Soukup, Jiří ; Heriban, Pavel (oponent) ; Šťastný, Jiří (vedoucí práce)
Práce se zabývá popisem základních metod pro problematiku rozpoznávání obličejů. Mezi popisované metody patří PCA, LDA, ICA, trasová transformace, technika shlukových grafů, genetické algoritmy a neuronové sítě. V praktické části se práce zabývá implementací algoritmu PCA a jeho kombinaci s neuronovou sítí s radiální bází a genetického algoritmu. Neuronová síť s radiální bází je použita v roli klasifikátoru a genetický algoritmus je v jednom případě použit pro trénink neuronové sítě a v druhém případě pro výběr vlastních vektorů vytvořených metodou PCA. Tato metoda, spojení PCA + GA, zvané EPCA, dosahuje na testované ORL databázi nejlepších výsledků v rámci porovnávaných algoritmů.
|
|
|
Analýza spánkového EEG
Sadovský, Petr ; Rozman, Jiří (vedoucí práce)
Práce se zabývá analýzou a zpracováním spánkových signálů EEG. Problematika, která je v ní zpracována se dá rozdělit do několika hlavních oblastí. První oblast se věnuje analýze signálů EEG metodou nezávislých komponent. Na základě specifikace této metody analýzy je navržen a popsán lineární model vzniku signálů EEG. Dále je podrobně rozpracováno posouzení podmínek, za kterých jsou informace získané analýzou platné. Další část se věnuje využití metody nezávislých komponent k odstranění nedeterministických artefaktů ze signálů EEG. Druhou hlavní oblastí je analýza stacionarity spánkových signálů EEG, hledání stacionárních úseků signálů a analýza statistických vlastností těchto stacionárních úseků. Další oblast je zaměřena na spektrální analýzu spánkových signálů EEG. V této oblasti jsou analyzovány děje, které se podílí na vzniku konkrétních spekter signálů EEG. Je zde také provedena analýza stochastických signálů, které jsou nedílnou součástí záznamu signálů EEG. Poslední oblast je zaměřena na eliminaci přechodných dějů, které vznikají při filtraci krátkých úseků signálů EEG na jeho začátku.
|
|
|
Vizualizace a export výstupů funkční magnetické rezonance
Přibyl, Jakub ; Gajdoš, Martin (oponent) ; Slavíček, Tomáš (vedoucí práce)
Práce pojednává o principech a metodice měření funkční magnetické rezonance (fMRI), podstatě vzniku a využití BOLD signálu a typech využívaných experimentů. Dále je věnována pozornost procesu zpracování fMRI dat a statistické analýze. Následující kapitoly se věnují stručnému popisu nejpoužívanější softwarových nástrojů sloužících k analýze dat z fMRI. Stěžejní částí práce bylo vytvořit program v prostředí MATLAB s přehledným grafickým uživatelským rozhraním pro snadnou vizualizaci a export výstupů z analýz fMRI dat. Druhá polovina práce je věnována popisu vytvořeného programu a grafického uživatelského rozhraní včetně klíčových funkcí. V závěrečné části je popsána aplikace programu na reálných datech klinické studie dynamické konektivity a využití v mezinárodním projektu APGem.
|
|
|
Reference v intrakraniálním EEG: implementace a analýza
Uher, Daniel ; Hejč, Jakub (oponent) ; Ronzhina, Marina (vedoucí práce)
PĹ™edstava záznamu mozkovĂ© aktivity bez zkreslujĂcĂch artefaktĹŻ koluje ve vÄ›deckĂ˝ch kruzĂch jiĹľ nÄ›kolik desĂtek let. ParazitnĂ jevy a nežádoucĂ sloĹľky dokážà vĂ˝raznÄ› komplikovat analĂ˝zu pacientskĂ©ho záznamu intrakraniálnĂho elektroencefalografu (iEEG). S nástupem modernĂ technologie však zaÄŤaly pĹ™ibĂ˝vat novĂ© metody pro preciznĂ odstranÄ›nĂ zkreslujĂcĂho šumu. Zde nastupuje koncept virtuálnĂch referenÄŤnĂch signálĹŻ, jakoĹľto nástroj pro eliminaci nežádoucĂch komponent. V tĂ©to práci, metoda zaloĹľená na prĹŻmÄ›rovánĂ spolu s modernÄ›jšĂmi metodami zaloĹľenĂ˝ch na analĂ˝ze nezávislĂ˝ch komponent (ICA) byly realizovány a testovány na rĹŻznĂ˝ch iEEG záznamech. Bylo zjištÄ›no, Ĺľe algoritmy zaloĹľenĂ© na ICA umoĹľĹujĂ lepšà a pĹ™esnÄ›jšà odhad referenÄŤnĂho signálu v porovnánĂ s prĹŻmÄ›rovacĂ metodou. Na závÄ›r byly všechny navrĹľenĂ© metody implementovány do open-source Python knihovny đť‘źđť‘’đť‘“đť‘ đť‘–đť‘”, která je veĹ™ejnÄ› dostupná, jednoduše instalovatelná a pĹ™ipravena k pouĹľitĂ.
|
host ::
RSS.