|
|
Skládání snímků panoramatického pohledu
Kuzdas, Oldřich ; Kohoutek, Michal (oponent) ; Říha, Kamil (vedoucí práce)
Tato práce se zabývá krok za krokem procesem sestavování panoramatického obrazu z několika dílčích snímků scény pořízených perspektivní kamerou otáčenou kolem jejího optického středu. Jsou zde popsány algoritmy detekce významných bodů v obraze, možnosti výpočtu matice homografie a metody odstranění nežádoucích ostrých přechodů mezi zdrojovými snímky ve výsledném panoramatickém obraze. Součástí práce je i samostatná aplikace, v níž jsou implementovány některé algoritmy popsané v této práci.
|
|
|
Vyhledávání fotografií v databázi podle příkladu
Dobrotka, Matúš ; Hradiš, Michal (oponent) ; Veľas, Martin (vedoucí práce)
Táto práce se zabývá vyhledáváním fotografií v databázi podle příkladu. Práce byla vytvo\-ře\-na s cílem vyvinout aplikaci, která bude porovnávat různé přístupy vyhledávání fotografií v databázi. Jedná se o základní přístup, který spočívá v detekci klíčových bodů, extrakci lokálních příznaků a tvorbě vizuálního slovníku algoritmem shlukování - k-means. Pomocí vizuálního slovníku je spočítán histogram četnosti výskytu vizuálních slov - Bag of Words (BoW), který reprezentuje fotografii jako celek. Po aplikování vhodné metriky dojde k vyhledání podobných fotografií. Druhý přístup představují hluboké konvoluční neuronové sítě (DCNN), které jsou využity k extrakci příznakových vektorů. Tyto vektory jsou použity na tvorbu vizuálního slovníku, který slouží opět k výpočtu BoW. Postup je pak podobný jako v prvním přístupu. Třetí přístup počítá s extrahovanými vektory z DCNN jako s BoW vektory. Následuje aplikace vhodné metriky a vyhledání podobných fotografií. V závěru práce jsou popsány použity přístupy, uvedeny experimenty a závěrečné vyhodnocení.
|
|
|
Automorfing dvou obrázků
Čermák, Pavel ; Nečas, Ondřej (oponent) ; Beran, Vítězslav (vedoucí práce)
Tato práce se zabývá tvorbou automorfingu mezi zdrojovým a cílovým obrazem. Práce popisuje již existující metody a algoritmy pro tvorbu morfingu. Dále se práce zaměřuje na popis návrhu a realizaci metody pro tvorbu automorfingu. K tomuto účelu je zapotřebí detekovat významné body v obraze, tyto body korespondovat a podle těchto korespondencí vytvořit vlastní morfing.
|
|
|
Podobnost obrazů na základě bodů zájmu
Jelínek, Ondřej ; Uher, Václav (oponent) ; Burget, Radim (vedoucí práce)
V této práci je představena nová metoda pro určení přítomnosti hledaného objektu v prozkoumávaném obrazu. Tato metoda je postavena na analýze klíčových bodů obrazu a výpočtu jejich parametrů. Získané parametry jsou potom použity pro vytvoření rozhodovacího modelu s využitím metod strojového učení. Model dokáže na základě vstupních dat určit, zda se hledaný objekt v obrazu nachází a také jak moc je nalezený objekt podobný vybranému vzoru. Nová metoda je zde podrobně popsána, je vyhodnocena její přesnost a porovnána s již existujícími detektory. Oproti těmto detektorům, mezi které patří například SURF, je úspěšnost detekce nové metody o více než 40% vyšší. Pro pochopení problematiky detekce objektu v obrazu je zde shrnut a popsán postup detekce včetně nejpoužívanějších algoritmů provádějících funkci daného kroku detekce.
|
|
|
Detekce změn v obraze
Čech, Jan ; Zemčík, Tomáš (oponent) ; Richter, Miloslav (vedoucí práce)
Cílem této práce je nalezení změn ve dvou podobných obrazech, pořízených v různých okamžicích. Tato problematika spadá do oboru počítačového vidění. K řešení tohoto problému je použito různých metod počítačového vidění. Nejdříve je nutné zjistit úhel snímání. Následně obrázky projdou předzpracováním, pak jsou podrobeny segmentaci a určování deskriptorů. Nakonec dojde k porovnání obou obrázků a vyzvednutí rozdílů.
|
|
|
Detekce změn v obraze
Čech, Jan ; Zemčík, Tomáš (oponent) ; Richter, Miloslav (vedoucí práce)
Cílem této práce je nalezení změn ve dvou podobných obrazech pořízených v různých okamžicích. Tato problematika spadá do oboru počítačového vidění. K řešení tohoto problému je použito několik různých metod počítačového vidění v několika verzích řešení. Program pracuje se dvěma scénami. Ve finální verzi jsou objekty z obou scén extrahovány a vzájemně porovnány. Výsledek srovnání je zapsán do logovacího souboru.
|
|
|
Detekce změn v obraze
Čech, Jan ; Zemčík, Tomáš (oponent) ; Richter, Miloslav (vedoucí práce)
Cílem této práce je nalezení změn ve dvou podobných obrazech, pořízených v různých okamžicích. Tato problematika spadá do oboru počítačového vidění. K řešení tohoto problému je použito různých metod počítačového vidění. Nejdříve je nutné zjistit úhel snímání. Následně obrázky projdou předzpracováním, pak jsou podrobeny segmentaci a určování deskriptorů. Nakonec dojde k porovnání obou obrázků a vyzvednutí rozdílů.
|
|
|
Automorfing dvou obrázků
Čermák, Pavel ; Nečas, Ondřej (oponent) ; Beran, Vítězslav (vedoucí práce)
Tato práce se zabývá tvorbou automorfingu mezi zdrojovým a cílovým obrazem. Práce popisuje již existující metody a algoritmy pro tvorbu morfingu. Dále se práce zaměřuje na popis návrhu a realizaci metody pro tvorbu automorfingu. K tomuto účelu je zapotřebí detekovat významné body v obraze, tyto body korespondovat a podle těchto korespondencí vytvořit vlastní morfing.
|
|
|
Vyhledávání fotografií v databázi podle příkladu
Dobrotka, Matúš ; Hradiš, Michal (oponent) ; Veľas, Martin (vedoucí práce)
Táto práce se zabývá vyhledáváním fotografií v databázi podle příkladu. Práce byla vytvo\-ře\-na s cílem vyvinout aplikaci, která bude porovnávat různé přístupy vyhledávání fotografií v databázi. Jedná se o základní přístup, který spočívá v detekci klíčových bodů, extrakci lokálních příznaků a tvorbě vizuálního slovníku algoritmem shlukování - k-means. Pomocí vizuálního slovníku je spočítán histogram četnosti výskytu vizuálních slov - Bag of Words (BoW), který reprezentuje fotografii jako celek. Po aplikování vhodné metriky dojde k vyhledání podobných fotografií. Druhý přístup představují hluboké konvoluční neuronové sítě (DCNN), které jsou využity k extrakci příznakových vektorů. Tyto vektory jsou použity na tvorbu vizuálního slovníku, který slouží opět k výpočtu BoW. Postup je pak podobný jako v prvním přístupu. Třetí přístup počítá s extrahovanými vektory z DCNN jako s BoW vektory. Následuje aplikace vhodné metriky a vyhledání podobných fotografií. V závěru práce jsou popsány použity přístupy, uvedeny experimenty a závěrečné vyhodnocení.
|
|
|
Podobnost obrazů na základě bodů zájmu
Jelínek, Ondřej ; Uher, Václav (oponent) ; Burget, Radim (vedoucí práce)
V této práci je představena nová metoda pro určení přítomnosti hledaného objektu v prozkoumávaném obrazu. Tato metoda je postavena na analýze klíčových bodů obrazu a výpočtu jejich parametrů. Získané parametry jsou potom použity pro vytvoření rozhodovacího modelu s využitím metod strojového učení. Model dokáže na základě vstupních dat určit, zda se hledaný objekt v obrazu nachází a také jak moc je nalezený objekt podobný vybranému vzoru. Nová metoda je zde podrobně popsána, je vyhodnocena její přesnost a porovnána s již existujícími detektory. Oproti těmto detektorům, mezi které patří například SURF, je úspěšnost detekce nové metody o více než 40% vyšší. Pro pochopení problematiky detekce objektu v obrazu je zde shrnut a popsán postup detekce včetně nejpoužívanějších algoritmů provádějících funkci daného kroku detekce.
|
host ::
RSS.