|
|
Biophysical interpretation of quantitative phase image
Štrbková, Lenka ; Kozubek,, Michal (oponent) ; Hoppe, Andreas (oponent) ; Chmelík, Radim (vedoucí práce)
This work deals with the interpretation of the quantitative phase images gained by coherence-controlled holographic microscopy. Since the datasets of quantitative phase images are of substantial size, the manual analysis would be time-consuming and inefficient. In order to speed up the analysis of images gained by coherence-controlled holographic microscopy, the methodology for automated interpretation of quantitative phase images by means of supervised machine learning is proposed in this work. The quantitative phase images enable extraction of valuable features characterizing the distribution of dry mass within the cell and hence provide important information about the live cell behaviour. The aim of this work is to propose a methodology for automated classification of cells while employing the quantitative information from both the single-time-point and time-lapse quantitative phase images. The proposed methodology was tested in the experiments with live cells, where the performance of the classification was evaluated and the relevance of the features derived from the quantitative phase image was assessed.
|
|
|
Online systém pro vizuální geo-lokalizaci v přírodním prostředí
Pospíšil, Miroslav ; Čadík, Martin (oponent) ; Brejcha, Jan (vedoucí práce)
Cílem této diplomové práce je vytvořit online systém, který bude fungovat jako demonstrační aplikace pro prezentaci výsledků vizuální geo-lokalizace v přírodním a horském prostředí. Systém nabídne uživateli možnost vybrat si jednu z předdefinovaných fotografií nebo nahrát vlastní fotografii výběrem souboru nebo zadáním URL adresy. Systém bude hledat pozici kamery daného obrázku na základě vizuální geo-lokalizace. Geo-lokalizace využívá horizontu hor jako klíčovou charakteristiku pro vyhledávání podobných horizontů. Křivka horizontu je extrahována z fotografie plně automatickým algoritmem, založeným na strojovém učení s učitelem a dynamickém programování. Vizuální geo-lokalizace probíhá na serveru, který využívá nový inverzní index s cachovací politikou umožňující další škálování systému. Server zpracuje detekovanou křivku horizontu a vrátí nejlepší kandidáty na výsledky, které jsou pak vizualizovány uživateli formou klasické mapy, detailního satelitního pohledu a vykreslení nalezeného panoramatu.
|
|
|
Intrusion Detection in Network Traffic
Homoliak, Ivan ; Čeleda, Pavel (oponent) ; Ochoa,, Martín (oponent) ; Hanáček, Petr (vedoucí práce)
The thesis deals with anomaly based network intrusion detection which utilize machine learning approaches. First, state-of-the-art datasets intended for evaluation of intrusion detection systems are described as well as the related works employing statistical analysis and machine learning techniques for network intrusion detection. In the next part, original feature set, Advanced Security Network Metrics (ASNM) is presented, which is part of conceptual automated network intrusion detection system, AIPS. Then, tunneling obfuscation techniques as well as non-payload-based ones are proposed to apply as modifications of network attack execution. Experiments reveal that utilized obfuscations are able to avoid attack detection by supervised classifier using ASNM features, and their utilization can strengthen the detection performance of the classifier by including them into the training process of the classifier. The work also presents an alternative view on the non-payload-based obfuscation techniques, and demonstrates how they may be employed as a training data driven approximation of network traffic normalizer.
|
|
|
Online systém pro vizuální geo-lokalizaci v přírodním prostředí
Pospíšil, Miroslav ; Čadík, Martin (oponent) ; Brejcha, Jan (vedoucí práce)
Cílem této diplomové práce je vytvořit online systém, který bude fungovat jako demonstrační aplikace pro prezentaci výsledků vizuální geo-lokalizace v přírodním a horském prostředí. Systém nabídne uživateli možnost vybrat si jednu z předdefinovaných fotografií nebo nahrát vlastní fotografii výběrem souboru nebo zadáním URL adresy. Systém bude hledat pozici kamery daného obrázku na základě vizuální geo-lokalizace. Geo-lokalizace využívá horizontu hor jako klíčovou charakteristiku pro vyhledávání podobných horizontů. Křivka horizontu je extrahována z fotografie plně automatickým algoritmem, založeným na strojovém učení s učitelem a dynamickém programování. Vizuální geo-lokalizace probíhá na serveru, který využívá nový inverzní index s cachovací politikou umožňující další škálování systému. Server zpracuje detekovanou křivku horizontu a vrátí nejlepší kandidáty na výsledky, které jsou pak vizualizovány uživateli formou klasické mapy, detailního satelitního pohledu a vykreslení nalezeného panoramatu.
|
|
|
Biophysical interpretation of quantitative phase image
Štrbková, Lenka ; Kozubek,, Michal (oponent) ; Hoppe, Andreas (oponent) ; Chmelík, Radim (vedoucí práce)
This work deals with the interpretation of the quantitative phase images gained by coherence-controlled holographic microscopy. Since the datasets of quantitative phase images are of substantial size, the manual analysis would be time-consuming and inefficient. In order to speed up the analysis of images gained by coherence-controlled holographic microscopy, the methodology for automated interpretation of quantitative phase images by means of supervised machine learning is proposed in this work. The quantitative phase images enable extraction of valuable features characterizing the distribution of dry mass within the cell and hence provide important information about the live cell behaviour. The aim of this work is to propose a methodology for automated classification of cells while employing the quantitative information from both the single-time-point and time-lapse quantitative phase images. The proposed methodology was tested in the experiments with live cells, where the performance of the classification was evaluated and the relevance of the features derived from the quantitative phase image was assessed.
|
|
|
Intrusion Detection in Network Traffic
Homoliak, Ivan ; Čeleda, Pavel (oponent) ; Ochoa,, Martín (oponent) ; Hanáček, Petr (vedoucí práce)
The thesis deals with anomaly based network intrusion detection which utilize machine learning approaches. First, state-of-the-art datasets intended for evaluation of intrusion detection systems are described as well as the related works employing statistical analysis and machine learning techniques for network intrusion detection. In the next part, original feature set, Advanced Security Network Metrics (ASNM) is presented, which is part of conceptual automated network intrusion detection system, AIPS. Then, tunneling obfuscation techniques as well as non-payload-based ones are proposed to apply as modifications of network attack execution. Experiments reveal that utilized obfuscations are able to avoid attack detection by supervised classifier using ASNM features, and their utilization can strengthen the detection performance of the classifier by including them into the training process of the classifier. The work also presents an alternative view on the non-payload-based obfuscation techniques, and demonstrates how they may be employed as a training data driven approximation of network traffic normalizer.
|
host ::
RSS.