|
|
Detection of poorly differentiated cardiac arrhythmias
Kantor, Marek ; Ronzhina, Marina (referee) ; Novotná, Petra (advisor)
This thesis focusses on the detection methods of atrial fibrilation, atrial flutter and sinus rhythm from ECG. Thesis also concentrate on the description of this arrhythmias and the learning algorithms used. In this thesis are implemented several classification approaches. For extraction of features is used convolution neural network and classification artifitial neural network. Selected 1D CNN method achived classification accuracy global F1 - score is 91 %. Moreover, the proposed CNN optimized with GA appears to be fast shallow network with better accuracy than the deep network. Created model are used for classification other type of arrhythmias too.
|
|
|
Development of a universal cell for optical part inspection in a robotic workplace
Cahlík, Radim ; Rajchl, Matej (referee) ; Adámek, Roman (advisor)
Cílem této diplomové práce je vývoj univerzální buňky pro optickou kontrolu včetně softwaru pro detekci vad, který používá metody umělé inteligence. Dalším cílem je integrovat buňku do robotického pracoviště a otestovat ji na rozdílných dílech s různými vadami. První část práce popisuje vývoj konceptu optické buňky a její návrh. Poté pojednává o systému pro optickou kontrolu, počínaje popisem objektivu a kamery a konče analýzou kontrolního softwaru, který pro detekci vad využívá konvoluční neuronovou síť. Další část se zabývá vývojem robotického pracoviště včetně návrhu dvojosého robota a komunikace mezi zařízeními. Nakonec je rozebráno testování na dvou rozdílných dílech s cílem ověřit funkčnost.
|
|
|
Defect detection on fiber materials using machine learning
Lang, Matěj ; Richter, Miloslav (referee) ; Honec, Peter (advisor)
Cílem této diplomové práce je automatizace detekce vad ve vláknitých materiálech. Firma SILON se již přes padesát let zabývá výrobou jemné vaty z recyklovaných PET lahví. Tato vata se následně používá ve stavebnictví, automobilovém průmyslu, ale nejčastěji v dámských hygienických potřebách a dětských plenách. Cílem firmy je produkovat co nejkvalitnější výrobek a proto je každá dávka testována v laboratoři s několika přísnými kritérii. Jednám z testů je i množství vadných vláken, jako jsou zacuchané smotky vláken, nebo nevydloužená vlákna, která jsou tvrdá a snadno se lámou. Navrhovaný systém sestává ze snímací lavice fungující jako scanner, která nasnímá vzorek vláken, který byl vložen mezi dvě skleněné desky. Byla provedena série testů s různým osvětlením, která ověřovala vlastnosti Rhodaminu, který se používá právě na rozlišení defektů od ostatních vláken. Tyto defekty mají zpravidla jinou molekulární strukturu, na kterou se barvivo chytá lépe. Protože je Rhodamin fluorescenční barvivo, je možné ho například pod UV světlem snáze rozeznat. Tento postup je využíván při manuální detekci. Při snímání kamerou je možno si vypomoci filtrem na kameře, který odfiltruje excitační světlo a propustí pouze světlo vyzářené Rhodaminem. Součástí výroby skeneru byla i tvorba ovládacího programu. Byla vytvořena vlastní knihovna pro ovládání motoru a byla upravena knihovna pro kameru. Oba systém pak bylo možno ovládat pomocí jednotného GUI, které zajišťovalo pořizování snímku celé desky. Pomocí skeneru byla nasnímána řada snímků, které bylo třeba anotovat, aby bylo možné naučit počítač rozlišovat defekty. Anotace proběhla na pixelové úrovni; každý defekt byl označen v grafickém editoru ve speciální vrstvě. Pro rozlišování byla použita umělá neuronová síť, která funguje na principu konvolucí. Tento typ sítě je navíc plně konvoluční, takže výstupem sítě je obraz, který by měl označit na tom původním vadné pixely. Výsledky naučené sítě jsou v práci prezentovány a diskutovány. Síť byla schopna se naučit rozeznávat většinu defektů a spolehlivě je umí rozeznat a segmentovat. Potíže má v současné době s detekcí rozmazaných defektů na krajích zorného pole a s defekty, jejichž hranice není tolik zřetelná na vstupních obrazech. Nutno zmínit, že zákazník má zájem o kompletní řešení scanneru i s detekčním softwarem a vývoj tohoto zařízení bude pokračovat i po závěru této diplomové práce.
|
|
|
Anticurtaining - Image Filter for Electron Microscopy
Dvořák, Martin ; Dobeš, Petr (referee) ; Zemčík, Pavel (advisor)
Tomographic analysis produces 3D images of examined material in nanoscale by focus ion beam (FIB). This thesis presents new approach to elimination of the curtain effect by machine learning method. Convolution neuron network is proposed for elimination of damaged imagine by the supervised learning technique. Designed network deals with features of damaged image, which are caused by wavelet transformation. The outcome is visually clear image. This thesis also designs creation of synthetic data set for training the neuron network which are created by simulating physical process of the creation of the real image. The simulation is made of creation of examined material by milling which is done by FIB and by process displaying of the surface by electron microscope (SEM). This newly created approach works precisely with real images. The qualitative evaluation of results is done by amateurs and experts of this problematic. It is done by anonymously comparing this solution to another method of eliminating curtaining effect. Solution presents new and promising approach to elimination of curtaining effect and contributes to a better procedure of dealing with images which are created during material analysis.
|
|
|
Depth-Based Determination of a 3D Hand Position
Ondris, Ladislav ; Tinka, Jan (referee) ; Drahanský, Martin (advisor)
Cílem této práce je určení kostry ruky z hloubkového obrazu a jeho následné využití k rozpoznání statického gesta. Na vstupu je hloubkový obrázek, ve kterém je nejprve detekována ruka pomocí neuronové sítě Tiny YOLOv3. Následně je obrázek zbaven pozadí a z takto předzpracovaného obrázku je určena kostra ruky v podobě 21 klíčových bodů neuronovou sítí JGR-P2O. K rozpoznání gesta z klíčových bodů ruky byla navržena technika, která porovná kostru na vstupu s uživatelem definovanými gesty. Funkcionalita systému byla otestována na vytvořeném datasetu s více než čtyřmi tisíci obrázky.
|
|
|
Radar Signal Processing and Fusion of Information
Reich, Bořek ; Maršík, Lukáš (referee) ; Zemčík, Pavel (advisor)
This bachelor's thesis focuses on fusion of millimetr-wave radar and camera. It proposes appropriate procedure and usage of these sensors for object detection. Object detection in this bachelor's thesis is focused on people and provides additional information about detected person. It proposes convolution neural network as means of person detection and fusion of mmWave radar and camera data. When person is detected, distance of person from sensors is found in mmWave radar point cloud. Testing is performed on input data from both sensors in different situations, in poorly lit, unkwonwn scenes, with unknown people etc. Distance measuring is validated with reference data.
|
|
|
Image Segmentation with Deep Neural Network
Pazderka, Radek ; Šůstek, Martin (referee) ; Rozman, Jaroslav (advisor)
This master's thesis is focused on segmentation of the scene from traffic environment. The solution to this problem is segmentation neural networks, which enables classification of every pixel in the image. In this thesis is created segmentation neural network, that has reached better results than present state-of-the-art architectures. This work is also focused on the segmentation of the top view of the road, as there are no freely available annotated datasets. For this purpose, there was created automatic tool for generation of synthetic datasets by using PC game Grand Theft Auto V. The work compares the networks, that have been trained solely on synthetic data and the networks that have been trained on both real and synthetic data. Experiments prove, that the synthetic data can be used for segmentation of the data from the real environment. There has been implemented a system, that enables work with segmentation neural networks.
|
|
|
Optical Character Recognition Using Convolutional Networks
Csóka, Pavel ; Behúň, Kamil (referee) ; Hradiš, Michal (advisor)
This thesis aims at creation of new datasets for text recognition machine learning tasks and experiments with convolutional neural networks on these datasets. It describes architecture of convolutional nets, difficulties of recognizing text from photographs and contemporary works using these networks. Next, creation of annotation, using Tesseract OCR, for dataset comprised from photos of document pages, taken by mobile phones, named Mobile Page Photos. From this dataset two additional are created by cropping characters out of its photos formatted as Street View House Numbers dataset. Dataset Mobile Nice Page Photos Characters contains readable characters and Mobile Page Photos Characters adds hardly readable and unreadable ones. Three models of convolutional nets are created and used for text recognition experiments on these datasets, which are also used for estimation of annotation error.
|
|
|
Face Recognition
Benda, Tomáš ; Hradiš, Michal (referee) ; Smrž, Pavel (advisor)
This thesis deals with human recognition on a videorecording. Convolution neural network was used for face recognition, from which we will get multidimensional vector, which will allow to determine person’s identity. There are demands imposed on the system, for it to be able to work in real time and could be used for example for person recognition at various conferences, or as a part of security system. Whole system is written in Python language. Part of this thesis is dataset in form of videorecords with persons.
|
|
| |
guest ::
