|
|
Exploitation of GPU in graphics and image processing algorithms
Jošth, Radovan ; Svoboda, David (oponent) ; Trajtel,, Ľudovít (oponent) ; Herout, Adam (vedoucí práce)
This thesis introduces several selected algorithms, which were primarily developed for CPUs, but based on high demand for improvements; we have decided to utilize it on behalf of GPGPU. This modification was at the same time goal of our research. The research itself was performed on CUDA enabled devices. The thesis is divided in accordance with three algorithm’s groups that have been researched: a real-time object detection, spectral image analysis and real-time line detection. The research on real-time object detection was performed by using LRD and LRP features. Research on spectral image analysis was performed by using PCA and NTF algorithms and for the needs of real-time line detection, we have modified accumulation scheme for the Hough transform in two different ways. Prior to explaining particular algorithms and performed research, GPU architecture together with GPGPU overview are provided in second chapter, right after an introduction. Chapter dedicated to research achievements focus on methodology used for the different algorithm modifications and authors’ assess to the research, as well as several products that have been developed during the research. The final part of the thesis concludes our research and provides more information about the research impact.
|
|
|
AdaBoost v počítačovém vidění
Hradiš, Michal ; Zemčík, Pavel (oponent) ; Potúček, Igor (vedoucí práce)
V této diplomové práci jsou představeny nové obrazové příznaky "local rank differences" (LRD). Tyto příznaky jsou invariantní vůči změnám osvětlení a jsou vhodné k implementaci detektorů objektů v programovatelném hardwaru, jako je například FPGA. Chování klasifikátorů s LRD vytvořených pomocí algoritmu AdaBoost bylo otestováno na datové sadě pro detekci obličejů. LRD v těchto testech dosáhly výsledků srovnatelných s výsledky klasifikátorů s Haarovými příznaky, které jsou používány v nejlepších současných detektorech objektů pracujících v reálném čase. Tyto výsledky ve spojení s faktem, že LRD je možné v FPGA vyhodnocovat několikanásobně rychleji než Haarovy příznaky, naznačují, že by LRD příznaky mohly být řešením pro budoucí detekci objektů v hardwaru. V této práci také prezentujeme nástroj pro experimenty s algoritmy strojového učení typu boosting, který je speciálně uzpůsoben oblasti počítačového vidění, je velmi flexibilní, a přitom poskytuje vysokou efektivitu učení a možnost budoucí paralelizace výpočtů. Tento nástroj je dostupný jako open source software a my doufáme, že ostatním ulehčí vývoj nových algoritmů a příznaků.
|
|
|
Detekce obličejů v obraze z kamery na mobilním telefonu s WM
Tureček, Martin ; Láník, Aleš (oponent) ; Herout, Adam (vedoucí práce)
Tato práce se zabývá detekcí obličejů na mobilních telefonech. Konkrétně se zaměřuje na platformu Windows Mobile. Úvod je tedy věnován tomuto operačnímu systému a možnostem práce s kamerou. Další část textu je věnována obecné problematice detekce obličeje v obraze s ohledem na slabý výkon cílových zařízení. Součástí práce je také popis získávání obrazu z kamery pomocí multimediálního frameworku DirectShow a tvorba vlastního transformačního filtru pro detekci obličeje. V závěru jsou shrnuty dosažené výsledky formou testů na několika mobilních zařízení a také jsou zmíněna všechna úskalí, která obnáší vývoj aplikací pro Windows Mobile.
|
|
|
Exploitation of GPU in graphics and image processing algorithms
Jošth, Radovan ; Svoboda, David (oponent) ; Trajtel,, Ľudovít (oponent) ; Herout, Adam (vedoucí práce)
This thesis introduces several selected algorithms, which were primarily developed for CPUs, but based on high demand for improvements; we have decided to utilize it on behalf of GPGPU. This modification was at the same time goal of our research. The research itself was performed on CUDA enabled devices. The thesis is divided in accordance with three algorithm’s groups that have been researched: a real-time object detection, spectral image analysis and real-time line detection. The research on real-time object detection was performed by using LRD and LRP features. Research on spectral image analysis was performed by using PCA and NTF algorithms and for the needs of real-time line detection, we have modified accumulation scheme for the Hough transform in two different ways. Prior to explaining particular algorithms and performed research, GPU architecture together with GPGPU overview are provided in second chapter, right after an introduction. Chapter dedicated to research achievements focus on methodology used for the different algorithm modifications and authors’ assess to the research, as well as several products that have been developed during the research. The final part of the thesis concludes our research and provides more information about the research impact.
|
|
|
Implementace obrazových klasifikátorů v FPGA
Kadlček, Filip ; Puš, Viktor (oponent) ; Fučík, Otto (vedoucí práce)
Práce je zaměřena na obrazové klasifikátory a jejich implementaci v FPGA. Klasifikátory dělí na dvě skupiny - slabé a silné klasifikátory. Ve skupině silných klasifikátorů se zaměřuje především na AdaBoost. Ve skupině slabých klasifikátorů jsou probrány základní příznakové klasifikátory, jakými jsou například klasifikátory založené na Haarových nebo Gaborových vlnkách, ale především je kladen důraz na klasifikátory LBP, LRP a LR. Naposled uvedené klasifikátory jsou vhodné pro implementaci v FGPA. Na základě těchto klasifikátorů je navržena pseudo-paralelní architektura. Architektura uvažuje provedení klasifikace v FPGA a následné zpracovávání výsledků v počítači. Navržený klasifikátor je velmi rychlý a každý hodinový cyklus produkuje výstup klasifikace.
|
|
|
Detektor obličejů pro platformu Android
Slavík, Roman ; Polok, Lukáš (oponent) ; Láník, Aleš (vedoucí práce)
Tato diplomová práce se zabývá tématikou detekce obličejů na mobilních telefonech s operačním systémem Android. V rámci úvodu do problematiky jsou popsány některé algoritmy určené pro detekci vzorů v obraze, stejně jako různé techniky získávání příznaků. Jsou zde popsána specifika vývoje pro Android včetně popisu základních vývojových nástrojů. Po seznámení s architekturou SIMD jednotek je vypracován návrh aplikace, podle kterého je následně probíhá implementace. Nakonec jsou provedeny výkonnové testy, jejichž výsledky jsou shrnuty v závěru práce.
|
|
|
AdaBoost v počítačovém vidění
Hradiš, Michal ; Zemčík, Pavel (oponent) ; Potúček, Igor (vedoucí práce)
V této diplomové práci jsou představeny nové obrazové příznaky "local rank differences" (LRD). Tyto příznaky jsou invariantní vůči změnám osvětlení a jsou vhodné k implementaci detektorů objektů v programovatelném hardwaru, jako je například FPGA. Chování klasifikátorů s LRD vytvořených pomocí algoritmu AdaBoost bylo otestováno na datové sadě pro detekci obličejů. LRD v těchto testech dosáhly výsledků srovnatelných s výsledky klasifikátorů s Haarovými příznaky, které jsou používány v nejlepších současných detektorech objektů pracujících v reálném čase. Tyto výsledky ve spojení s faktem, že LRD je možné v FPGA vyhodnocovat několikanásobně rychleji než Haarovy příznaky, naznačují, že by LRD příznaky mohly být řešením pro budoucí detekci objektů v hardwaru. V této práci také prezentujeme nástroj pro experimenty s algoritmy strojového učení typu boosting, který je speciálně uzpůsoben oblasti počítačového vidění, je velmi flexibilní, a přitom poskytuje vysokou efektivitu učení a možnost budoucí paralelizace výpočtů. Tento nástroj je dostupný jako open source software a my doufáme, že ostatním ulehčí vývoj nových algoritmů a příznaků.
|
|
|
Detekce obličejů v obraze z kamery na mobilním telefonu s WM
Tureček, Martin ; Láník, Aleš (oponent) ; Herout, Adam (vedoucí práce)
Tato práce se zabývá detekcí obličejů na mobilních telefonech. Konkrétně se zaměřuje na platformu Windows Mobile. Úvod je tedy věnován tomuto operačnímu systému a možnostem práce s kamerou. Další část textu je věnována obecné problematice detekce obličeje v obraze s ohledem na slabý výkon cílových zařízení. Součástí práce je také popis získávání obrazu z kamery pomocí multimediálního frameworku DirectShow a tvorba vlastního transformačního filtru pro detekci obličeje. V závěru jsou shrnuty dosažené výsledky formou testů na několika mobilních zařízení a také jsou zmíněna všechna úskalí, která obnáší vývoj aplikací pro Windows Mobile.
|
host ::
RSS.