|
|
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.
|
|
|
Detection of persons and evaluation of gender and age in image data
Dobiš, Lukáš ; Vičar, Tomáš (oponent) ; Kolář, Radim (vedoucí práce)
This master thesis describes an approach for automated human recognition by using convolutional neural networks (CNN) to perform facial analysis of persons face in image data. The predicted biometric indicators are following: age, gender, facial landmarks and facial expression. CNN architectures with pretrained weights for each task are described. Age estimation CNN has new weights trained and freezed, then has added new LSTM layers into its architecture. New LSTM layers are trained and tested on newly created video data set. Test results indicate improved age prediction accuracy. Solution for human recognition inference with single image and time series variants, in form of script with interconnected CNNs is explained, and its inference speed performance supports further proposed expansion plans for live video inference.
|
|
|
Text Mining Based on Artificial Intelligence Methods
Povoda, Lukáš ; Tučková,, Jana (oponent) ; Brezany, Peter (oponent) ; Burget, Radim (vedoucí práce)
This work deals with the problem of text mining which is becoming more popular due to exponential growth of the data in electronic form. The work explores contemporary methods and their improvement using optimization methods, as well as the problem of text data understanding in general. The work addresses the problem in three ways: using traditional methods and their optimizations, using Big Data in train phase and abstraction through the minimization of language-dependent parts, and introduction of the new method based on the deep learning which is closer to how human reads and understands text data. The main aim of the dissertation was to propose a method for machine understanding of unstructured text data. The method was experimentally verified by classification of text data on 5 different languages – Czech, English, German, Spanish and Chinese. This demonstrates possible application to different languages families. Validation on the Yelp evaluation database achieve accuracy higher by 0.5% than current methods.
|
|
|
Automated Human Recognition From Image Data
Dobiš, Lukáš
This paper describes an approach for automated human recognition by using convolutional neural networks (CNN) to perform facial analysis of persons face from image data. The predicted biometric indicators are following: age, gender, facial landmarks and facial expression. Network architectures with pretrained weights for each task are described. Script of interconnected CNN is explained and its results support further proposed expansion plans for live video inference.
|
|
|
Detection of persons and evaluation of gender and age in image data
Dobiš, Lukáš ; Vičar, Tomáš (oponent) ; Kolář, Radim (vedoucí práce)
This master thesis describes an approach for automated human recognition by using convolutional neural networks (CNN) to perform facial analysis of persons face in image data. The predicted biometric indicators are following: age, gender, facial landmarks and facial expression. CNN architectures with pretrained weights for each task are described. Age estimation CNN has new weights trained and freezed, then has added new LSTM layers into its architecture. New LSTM layers are trained and tested on newly created video data set. Test results indicate improved age prediction accuracy. Solution for human recognition inference with single image and time series variants, in form of script with interconnected CNNs is explained, and its inference speed performance supports further proposed expansion plans for live video inference.
|
|
|
Text Mining Based on Artificial Intelligence Methods
Povoda, Lukáš ; Tučková,, Jana (oponent) ; Brezany, Peter (oponent) ; Burget, Radim (vedoucí práce)
This work deals with the problem of text mining which is becoming more popular due to exponential growth of the data in electronic form. The work explores contemporary methods and their improvement using optimization methods, as well as the problem of text data understanding in general. The work addresses the problem in three ways: using traditional methods and their optimizations, using Big Data in train phase and abstraction through the minimization of language-dependent parts, and introduction of the new method based on the deep learning which is closer to how human reads and understands text data. The main aim of the dissertation was to propose a method for machine understanding of unstructured text data. The method was experimentally verified by classification of text data on 5 different languages – Czech, English, German, Spanish and Chinese. This demonstrates possible application to different languages families. Validation on the Yelp evaluation database achieve accuracy higher by 0.5% than current methods.
|
|
|
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.
|
host ::
RSS.