|
|
Detekce a klasifikace dopravních prostředků v obraze pomocí hlubokých neuronových sítí
Hlavoň, David ; Hradiš, Michal (oponent) ; Rozman, Jaroslav (vedoucí práce)
Práce se zaobírá problematikou neuronových sítí z pohledu úlohy detekce dopravních prostředků v obraze, který byl pořízen z dronu. Jelikož je cílem vytvořit prakticky použitelný detektor, práce jako první popisuje datovou sadu. Dále práce rozebírá několik architektur dopředných neuronových sítí, které byly následně použity při realizaci detektoru. Na architektury neuronových sítí navazují metody tvorby detektoru pomocí naivních metod a současně nejúspěšnějších meta architektur. V druhé části se práce zabývá praktickou realizací detektoru. Výsledkem práce je detektor postavený na meta architektuře Faster R-CNN a neuronové sítí PVA s úspěšností detekce přes 90 % a rychlostí 45 full HD snímků za sekundu.
|
|
|
Detekce palných zbraní v obrazu
Debnár, Pavol ; Drahanský, Martin (oponent) ; Dvořák, Michal (vedoucí práce)
Táto práca sa zaoberá detekciou palných zbraní v obraze. V teoretickej časti je najprv definovaný pojem palná zbraň a potom sú uvedené typy palných zbraní. Nasleduje vysvetlenie obrazového šumu, ktorý môže do značnej miery ovplyvniť výsledok detekcie, a sú uvedené spôsoby, ako ho redukovať. Ďalej sú definované algoritmy obrazovej detekcie, ktoré pracujú na báze neurónových sietí - konvolučné neurónové siete (CNN) a Single Shot Multibox Detector (SSD). Vysvetlené sú aj klasické algoritmy pre detekciu v obraze ako HOG+SVM a SURF. V ďalšej časti sú uvedené použité knižnice a softvér. Nasleduje experimentálna časť, kde uvedieme navrhnutý postup riešenia a databázu. Pre detekciu boli použité algoritmy HOG+SVM, SURF a SSD. Následne sú uvedené výsledky testov na databáze a videu, čomu nasleduje zhrnutie a možnosti rozšírenia do budúcnosti.
|
|
|
Aplikace algoritmu AdaBoost
Wrhel, Vladimír ; Šilhavá, Jana (oponent) ; Hradiš, Michal (vedoucí práce)
V této práci jsou uvedeny základy klasifikace a rozpoznávání vzorů. Zaměříme se především na algoritmus AdaBoost, který slouží k vytvoření silné klasifikační funkce pomocí několika slabých klasifikátorů. Seznámíme se taktéž s některými modifikacemi AdaBoostu. Tyto modifikace zlepšují některé z vlastností AdaBoostu. Podíváme se taktéž na slabé klasifikátory a příznaky k nim použitelné. Zvláště se podíváme na Haarovy příznaky. Probereme možnosti použití zmíněných algoritmů a příznaků při rozpoznávání výrazu obličeje. Popíšeme si situaci mezi databázemi výrazů obličejů. Nastíníme možnou implementaci aplikace rozpoznávání výrazů obličeje.
|
|
|
Rozpoznávání ručně psaného písma pomocí neuronových sítí
Horký, Vladimír ; Janda, Miloš (oponent) ; Plchot, Oldřich (vedoucí práce)
V této práci budou představeny neuronové sítě, konkrétně algoritmus zpětného šíření chyby. Bude vyloženo teoretické pozadí algoritmu a budou zde řešeny problémy, se kterými se můžetete setkat při učení takovéto sítě. Práce se také zabývá předzpracováním obrazu a obrazovými příznaky, které jsou hlavním stavebním kamenem klasifikace. Část práce se také zabývá experimenty s neuronovou sítí nad zvolenými obrazovými příznaky. Součástí práce je také vytvoření demo-aplikace pro experimenty s neuronovými sítěmi a pro převod textu v obraze na text elektronický.
|
|
|
Segmentace snímků z termokamery aplikací vybraných konvolučních neuronových sítí
BENEDA, Lukáš
Tato práce se zabývá problémem segmentace instancí paznehtu skotu na termografických snímcích pomocí neuronových sítí. Cílem této práce bylo otestovat několik vybraných řešení a vyhodnocení jejich výsledků. Základem práce je rešerše existujících řešení, příprava datasetu, výběr modelů neuronových sítí a ohodnocení výsledků jednotlivých modelů. Práce popisuje postup prací a závěrem jsou porovnány jednotlivé výsledky a vyhodnoceno nejlepší řešení. Výsledkem práce je vytvořený dataset termografických snímků paznehtů a 3 otestované modely neuronových sítí, ze kterých 2 jsou velmi dobře použitelné pro řešení daného problému.
|
|
|
Detekce palných zbraní v obrazu
Debnár, Pavol ; Drahanský, Martin (oponent) ; Dvořák, Michal (vedoucí práce)
Táto práca sa zaoberá detekciou palných zbraní v obraze. V teoretickej časti je najprv definovaný pojem palná zbraň a potom sú uvedené typy palných zbraní. Nasleduje vysvetlenie obrazového šumu, ktorý môže do značnej miery ovplyvniť výsledok detekcie, a sú uvedené spôsoby, ako ho redukovať. Ďalej sú definované algoritmy obrazovej detekcie, ktoré pracujú na báze neurónových sietí - konvolučné neurónové siete (CNN) a Single Shot Multibox Detector (SSD). Vysvetlené sú aj klasické algoritmy pre detekciu v obraze ako HOG+SVM a SURF. V ďalšej časti sú uvedené použité knižnice a softvér. Nasleduje experimentálna časť, kde uvedieme navrhnutý postup riešenia a databázu. Pre detekciu boli použité algoritmy HOG+SVM, SURF a SSD. Následne sú uvedené výsledky testov na databáze a videu, čomu nasleduje zhrnutie a možnosti rozšírenia do budúcnosti.
|
|
|
Detekce a klasifikace dopravních prostředků v obraze pomocí hlubokých neuronových sítí
Hlavoň, David ; Hradiš, Michal (oponent) ; Rozman, Jaroslav (vedoucí práce)
Práce se zaobírá problematikou neuronových sítí z pohledu úlohy detekce dopravních prostředků v obraze, který byl pořízen z dronu. Jelikož je cílem vytvořit prakticky použitelný detektor, práce jako první popisuje datovou sadu. Dále práce rozebírá několik architektur dopředných neuronových sítí, které byly následně použity při realizaci detektoru. Na architektury neuronových sítí navazují metody tvorby detektoru pomocí naivních metod a současně nejúspěšnějších meta architektur. V druhé části se práce zabývá praktickou realizací detektoru. Výsledkem práce je detektor postavený na meta architektuře Faster R-CNN a neuronové sítí PVA s úspěšností detekce přes 90 % a rychlostí 45 full HD snímků za sekundu.
|
|
|
Rozpoznávání ručně psaného písma pomocí neuronových sítí
Horký, Vladimír ; Janda, Miloš (oponent) ; Plchot, Oldřich (vedoucí práce)
V této práci budou představeny neuronové sítě, konkrétně algoritmus zpětného šíření chyby. Bude vyloženo teoretické pozadí algoritmu a budou zde řešeny problémy, se kterými se můžetete setkat při učení takovéto sítě. Práce se také zabývá předzpracováním obrazu a obrazovými příznaky, které jsou hlavním stavebním kamenem klasifikace. Část práce se také zabývá experimenty s neuronovou sítí nad zvolenými obrazovými příznaky. Součástí práce je také vytvoření demo-aplikace pro experimenty s neuronovými sítěmi a pro převod textu v obraze na text elektronický.
|
|
|
Aplikace algoritmu AdaBoost
Wrhel, Vladimír ; Šilhavá, Jana (oponent) ; Hradiš, Michal (vedoucí práce)
V této práci jsou uvedeny základy klasifikace a rozpoznávání vzorů. Zaměříme se především na algoritmus AdaBoost, který slouží k vytvoření silné klasifikační funkce pomocí několika slabých klasifikátorů. Seznámíme se taktéž s některými modifikacemi AdaBoostu. Tyto modifikace zlepšují některé z vlastností AdaBoostu. Podíváme se taktéž na slabé klasifikátory a příznaky k nim použitelné. Zvláště se podíváme na Haarovy příznaky. Probereme možnosti použití zmíněných algoritmů a příznaků při rozpoznávání výrazu obličeje. Popíšeme si situaci mezi databázemi výrazů obličejů. Nastíníme možnou implementaci aplikace rozpoznávání výrazů obličeje.
|
|
| |
host ::
RSS.