|
|
Houghova transformace pro detekci kružnic
Kazík, Martin ; Burget, Radim (oponent) ; Říha, Kamil (vedoucí práce)
Práce je zaměřena na implementaci algoritmu Houghovy transformace pro detekci kružnic. Algoritmus je implementován v jazyce C++ za použití volně dostupné knihovny OpenCv [5]. Jako implementační prostředí bylo zvoleno Microsoft Visual Studio 2008. V první kapitole je obecně popsána klasická Houghova transformace pro detekci přímek a kružnic. Dále práce obsahuje popis jednotlivých kroků algoritmu Houghovy transformace a popis funkcí OpenCv, které jsou v těchto krocích použity. Podrobně jsou popsány funkce pro převedení obrazu do stupňů šedi, vyhlazení obrazu Gaussovým filtrem a Cannyho hranový detektor pro nalezení hran ve vyhlazeném obraze. Efektivita a rychlost algoritmu je zvýšena zavedením funkce pro vyhledání potenciálních středů. Princip hledání potenciálních středů je založen na faktu, že přímka kolmá na sečnu kružnice a zároveň procházející středem sečny vždy prochází také středem kružnice samotné. Výsledky jednotlivých fází algoritmu (převedení do stupňů šedi, vyhlazení Gaussovým filtrem, detekce hran, vytvoření akumulátoru potenciálních středů a vykreslení kružnic) jsou prezentovány na ultrazvukovém snímku kolagenové tepenní náhrady. V druhé části práce je algoritmus Houghovy transformace využit pro detekci tepny ve snímcích videosekvence zachycené ultrazvukem. Je zde popsána automatizovaná metoda vyhodnocování úspěšnosti detekce tepny. Úspěšnost detekce je testována při změně důležitých parametrů algoritmu. Ze série testů jsou určeny ideální parametry algoritmu pro detekci tepny v dané videosekvenci.
|
|
|
Hluboké neuronové sítě v rozpoznávání obrazu
Munzar, Milan ; Kolář, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
Neuronové sítě jsou dnes jeden z nejúspěšnějších modelů pro strojové učení. Můžeme je nalézt v autonomínch robotických systémech, v rozpoznávání objektů i řeči, predikci a mnoha jiných odvětvích umělé inteligence. Tato práce seznámí čtenáře s tímto modelem a jeho rozšířením, které se používá pro rozpoznávání objektů. Posléze popisuje aplikaci těchto konvolučních neuronových sítí(CNNs) pro klasifikaci obrazků na datasetech Caltech101 a Cifar-10. Na příkladu této aplikace diskutuje a měří efektivnost různých technik používaných v CNNs. Výsledky ukazují, že tyto sítě jsou bez dalších rozšíření schopné dosáhnout 80\% přesnosti na datasetu Cifar-10 a 37\% přesnosti na datasetu Caltech101.
|
|
|
Rozpoznávání ručně kreslených objektů
Křístek, Jakub ; Čmiel, Vratislav (oponent) ; Janoušek, Oto (vedoucí práce)
Tato práce se zabývá rozpoznáváním ručně kreslených objektů, které vznikly kresbou psychicky postižených dětí. Cílem je klasifikovat geometrická primitiva objektů do tříd, aby byly vykresleny spolu s idealizovaným tvarem vstupního objektu. Míra mentální retardace je určena odchylkou vstupního (nakresleného) objektu od jeho idealizovaného tvaru (předloha).
|
|
|
Biologicky inspirované metody rozpoznávání objektů
Vaľko, Tomáš ; Hradiš, Michal (oponent) ; Juránek, Roman (vedoucí práce)
Rozpoznávání objektů je jedna z mnoha úloh, ve kterých počítač stále zaostává za člověkem. Proto vývoj v této oblasti využívá poznatky z přírody a především z funkce lidského mozku. Tato práce se věnuje rozpoznávání objektů pomocí extrakce významných informací z obrazu, příznaků. Příznaky se získávají podobným způsobem, jako lidský mozek zpracovává vizuální vjemy. Následně se tyto příznaky používají pro natrénování klasifikátoru (například SVM, k-NN, ANN), pomocí kterého dochází k rozpoznávání objektů. Tato práce zkoumá fázi získávání příznaků z obrazu. Jejím cílem je zdokonalit extrakci příznaků a tím zvýšit úspěšnost rozpoznávání objektů počítačem.
|
|
|
Generátor syntetických dat pro vývoj detektorů dronů
Zlatníčková, Marie ; Dobrovský, Ladislav (oponent) ; Škrabánek, Pavel (vedoucí práce)
Tato diplomová práce se zabývá problematikou tvorby snímků realisticky vypadajících snímků z 3D modelů dronů. V textové části této práce jsou vysvětleny základní pojmy ve zpracování digitálního obrazu a použití neuronových sítí při detekci a rozpoznávání objektů v obraze. V praktické části této práce je popsáno softwarové řešení, které z digitálních 3D modelů vytváří barevné oštítkované snímky obsahující jeden či více dronů, v různých fázích letu, s různým nasvícením, natočením a rozostřením.
|
|
|
Učení a detekce objektů různých tříd v obraze
Chrápek, David ; Hradiš, Michal (oponent) ; Beran, Vítězslav (vedoucí práce)
Tato práce je zaměřena na učení a detekci objektů v obraze a v sekvenci po sobě jdoucích obrazů. Konkrétněji na učení a rozpoznávání lidí nebo jejich částí v případě, že jsou částečně zastíněni, s ohledem na možné využití detektoru na robotických platformách. Práce se zaměřuje na využití obrazových příznaků nazývaných Histogramy Orientovaných Gradientů (HOG), které jsou schopny docela dobře pracovat s různými pózami lidí v obraze. Člověk je rozdělen na několik částí a tyto části jsou detekovány samostatně. Následně je použit systém hlasování jednotlivých částí, které byly detekovány, který určuje výsledné pozice osob v obraze. Pro potřeby natrénování tohoto detektoru je využito lineárního SVM. Dále je při detekci ze sekvence po sobě jdoucích snímků použit Kalmanův filtr, který se stará o stabilizaci výsledné detekce.
|
|
| |
|
|
Detekce objektů v obraze
Vaľko, Tomáš ; Motlíček, Petr (oponent) ; Švub, Miroslav (vedoucí práce)
Detekce objektů v obraze je velmi populární téma už několik let. Značí o tom mnoho prací v této oblasti počítačové vědy. V této práci se věnujeme klasifikaci objektů, konkrétně lidských obličejů, jako jedním z nejzajímavějších objektů na zpracování. Ke klasifikaci používáme neuronové sítě, naučené na databáze obličejů. Zkoumá se vplyv velikosti databáze a předzpracovaní digitálního obrazu na učení neuronové sítě. Práce implementuje jednoduchý detektor a lokalizátor obličejů. Obsahuje shrnutí úspěšných i méně úspěšných výsledků a naznačuje další možný vývoj systému v budoucnu.
|
|
|
Detekce objektů v obraze na základě hran
Caha, Jaroslav ; Švub, Miroslav (oponent) ; Španěl, Michal (vedoucí práce)
Prezentovaná metoda detekuje ve vstupním obraze dveře na základě jejich hran. Je důležité dveře odlišit od podobných objektů jako okno nebo vzor na podlaze. Proto je snímek rozdělen na části (podlaha, stěna, strop) a potenciální poloha dveří je tak lépe vymezena. Předpokládá se využití v robotech, kteří se pohybují uvnitř budov.
|
|
|
Rozpoznávání objektů v obrazech
Nedoma, David ; Samek, Jan (oponent) ; Zbořil, František (vedoucí práce)
Tato práce se zabývá řešením rozpoznávání objektů v obraze. Cílem bylo vytvoření programu, který bude schopný objekty v obraze rozpoznat. Postupně popisuje jednotlivé kroky zpracování nasnímaných dat. Stručně popisuje předzpracování obrazu, následně se zabývá podrobněji segmentací dat, popisem segmentovaných částí a následnou klasifikací objektů. Popisuje algoritmy a metody, které jsou pro jednotlivé kroky použitelné.
|
host ::
RSS.