|
|
Aproximace hlubokých neuronových sítí
Stodůlka, Martin ; Mrázek, Vojtěch (oponent) ; Vaverka, Filip (vedoucí práce)
Cílem mé práce je zjistit vliv a dopad aproximovaného počítání na přesnost hluboké neuronové sítě, konkrétně neuronové sítě pro klasifikaci obrazu. Pro implementaci neuronové sítě byla použita varianta frameworku Caffe zvaná Ristretto-caffe, která byla rozšířena o možnost použití aproximovaných operací v konvolučních vrstvách. pro používání aproximovaných komponent. Aproximované počítání bylo použito na násobení v dopředné propagaci při konvoluci. Jako aproximované komponenty byly zvoleny komponenty z knihovny Evoapproxlib.
|
|
|
Zpracování RTG snímků při výzkumu čelistních onemocnění
Kabrda, Miroslav ; Šmirg, Ondřej (oponent) ; Mikulka, Jan (vedoucí práce)
Předmětem této diplomové práce je návrh metody pro automatizované vyhodnocení parametrů rentgenových obrazů cystických onemocnění lidských čelistí. Hlavním problémem při lékařské diagnostice je nízká opakovatelnost způsobená subjektivním ohodnocením snímků bez použití nástroje pro zpracování obrazu. V diplomové práci jsou popsány základní kroky zpracování obrazu, jednotlivé metody segmentace obrazu a zvolená metoda segmentace live-wire. Databáze obrazů byla zpracována v Java prostředí ImageJ. V cystických oblastech byly vyhodnoceny jejich základní statistické a tvarové vlastnosti. Získané hodnoty byly použity pro učení klasifikačního modelu (rozhodovací strom) v prostředí RapidMiner. Tento model byl využit pro vytvoření zásuvného modulu pro automatickou klasifikaci typu cysty v programu ImageJ.
|
|
|
Vyhledávání lesů v obraze
Kyjovský, Marek ; Španěl, Michal (oponent) ; Šilhavá, Jana (vedoucí práce)
Tato bakalářská práce se zabývá studiem metod a postupů, které se používají pro vyhledávání lesů v leteckých a družicových snímcích. Práce shrnuje a popisuje metody digitálního zpracování obrazu. Dále je práce zaměřena na implementaci demonstrační aplikace, která tyto postupy využívá. Zabývá se návrhem této aplikace a popisuje její implementaci. Nakonec práce hodnotí úspěšnost výstupů z této aplikace.
|
|
|
Biometrie s využitím snímků sítnice s nízkým rozlišením
Smrčková, Markéta ; Odstrčilík, Jan (oponent) ; Kolář, Radim (vedoucí práce)
Tato práce se zabývá návrhem metody pro biometrickou identifikaci ze snímků oční sítnice. První část práce je zaměřena především na principy a pojmy, využívané v biometrii, anatomii oka a metody pro biometrii sítnice. Je zde popsána podstata neuronových sítí a hlubokého učení, které budou v praktické části využity. V poslední části se práce věnuje popisu zvoleného identifikačního algoritmu, jeho implementaci a zhodnocení výsledků biometrického systému.
|
|
|
Pokročilé metody segmentace cévního řečiště na fotografiích sítnice
Svoboda, Ondřej ; Jan, Jiří (oponent) ; Odstrčilík, Jan (vedoucí práce)
Segmentace cévního řečiště je častým krokem při zpracování retinálních obrazů. V dnešní době existuje řada automatických metod segmentace cévního řečiště. Tyto metody jsou založeny na mnoha přístupech. Od přizpůsobené filtrace, přes metody využívající rozpoznávání vzorů, až po algoritmy využívající klasifikace obrazu. Použití automatických metod při zpracování retinálních snímků výrazně urychluje a zjednodušuje diagnostiku retinálních onemocnění. Při zpracování automatickými segmentačními algoritmy je jednou ze stěžejních částí prahování obrazu, a právě prahování fundus snímků se věnuje tato práce. Je zde popsána řada prací využívajících globální a lokální prahovací metody, a zejména metody klasifikace obrazu pro segmentaci cévního řečiště ze snímků sítnice. Následně byla na výsledky dvou metod segmentace cévního řečiště použita metoda klasifikace obrazu s učením. Z dosažených výsledků byla posléze stanovena schopnost daných metod segmentovat cévní řečiště. Použitím klasifikace obrazu namísto globálního prahování došlo u první metody na zdravé části databáze k poklesu sensitivity na 63,32 % a přesnosti na 94,99 %. Naopak u specificity byl zaznamenán nárůst na 95,75 %. U druhé metody bylo dosaženo sensitivity 69,24 %, specificity 98,86 % a přesnosti 95,29 %. Kombinací výsledků obou metod bylo dosaženo sensitivity 72,48 %, specificity 98,59 % a výsledné přesnosti 95,75 %. Tímto nebyl s použitím daného klasifikátoru potvrzen předpoklad, že klasifikace obrazu s učením je oproti prostému prahování efektivnější. Zároveň bylo však prokázáno, že rozšíření příznakového vektoru kombinací výsledků z obou metod došlo k nárůstu sensitivity, specificity i přesnosti.
|
|
|
Podpora deskové hry Nemesis na mobilním telefonu s OS Android
Štěpánek, Miroslav ; Švec, Tomáš (oponent) ; Smrž, Pavel (vedoucí práce)
Cílem této práce je vytvořit mobilní aplikaci k deskové hře Nemesis určenou na systém Android, která umožní uživateli zjistit informace o herních komponentech při hře. Práce se skládá ze dvou hlavních částí, první je model vytvořený za pomoci knihovny Tensorflow, který zajišťuje detekci těchto komponent. Druhou je pak samotná aplikace, která dostává výsledky od dříve zmíněného modelu a zobrazuje výsledné informace uživateli. Toto usnadňuje uživateli hru a pomáhá ji i urychlit. Výsledný systém je možné modifikovat, tak aby byla aplikace využitelná i pro jiné hry.
|
|
|
Detekce pohybujících se objektů ve videu s využitím neuronových sítí pomocí Android aplikace
Mikulec, Vojtěch ; Kiac, Martin (oponent) ; Myška, Vojtěch (vedoucí práce)
Tato diplomová práce se zabývá zrealizováním funkčního řešení problematiky klasifikace účastníků dopravního provozu pomocí mobilních zařízení s operačním systémem Android. Cílem je vytvořit Android aplikaci, která klasifikuje vozidla v reálném čase za použití zadní kamery a ukládá časové značky klasifikace. Testování probíhá převážně na vlastní, různě modifikované datové množině. Je natrénováno celkem pět modelů a změřeno zatížení hardwaru při použití každého z nich. Nejlepší přesnosti klasifikace dosahuje předtrénovaný model sítě MobileNet, který je dotrénován o 6 tříd – 62,33 %. Výsledky jsou shrnuty a v závěru je formulováno, jakým způsobem je možné rychleji a přesněji analyzovat dopravní data.
|
|
| |
|
|
Detekce výskytu objektů ve videozáznamu
Šamánek, Jan ; Orság, Filip (oponent) ; Goldmann, Tomáš (vedoucí práce)
Tato bakalářská práce se zabývá detekcí objektů ve videozáznamu, především pomocí konvolučních neuronových sítí a implementace jednoduchého uživatelského rozhraní, které dovolí uživateli vybírání mezi klasifikátory a jejich využití pro analýzu videa a jejich trénování na vlastním datasetu. První část je dedikovaná popisu strojového učení a neuronových sítí. Poté následuje část pro popis segmentace a klasifikace obrazu pomocí algoritmů strojového učení a předzpracování dat pro trénování modelů. Poslední je praktická část, která popisuje návrh vytvořeného modelu, uživatelského rozhraní a dosažených výsledků.
|
|
|
Použití strukturální metody pro rozpoznávání objektů
Valsa, Vít ; Heriban, Pavel (oponent) ; Šťastný, Jiří (vedoucí práce)
Tato diplomová práce se zabývá možností využití strukturálních metod pro rozpoznávání objektů v obraze. Nejprve jsou popsány způsoby pro přípravu obrazu před samotným zpracováním. Vlastní jádro celé práce spočívá v kapitole 3, kde je podrobně rozebrán problém tvorby deformačních gramatik pro syntaktickou analýzu a jejich použití. Dále je věnován prostor syntaktickému analyzátoru interpretujícího deformační gramatiku. Závěr práce je zaměřen na testování navržených metod a jejich výsledky.
|
host ::
RSS.