|
|
Visipedia - Embedding-driven Visual Feature Extraction and Learning
Jakeš, Jan ; Beran, Vítězslav (referee) ; Zemčík, Pavel (advisor)
Multidimenzionální indexování je účinným nástrojem pro zachycení podobností mezi objekty bez nutnosti jejich explicitní kategorizace. V posledních letech byla tato metoda hojně využívána pro anotaci objektů a tvořila významnou část publikací spojených s projektem Visipedia. Tato práce analyzuje možnosti strojového učení z multidimenzionálně indexovaných obrázků na základě jejich obrazových příznaků a přestavuje metody predikce multidimenzionálních souřadnic pro předem neznámé obrázky. Práce studuje příslušené algoritmy pro extrakci příznaků, analyzuje relevantní metody strojového účení a popisuje celý proces vývoje takového systému. Výsledný systém je pak otestován na dvou různých datasetech a provedené experimenty prezentují první výsledky pro úlohu svého druhu.
|
|
| |
|
| |
|
|
Document Comparison Based on Visual Features
Milička, Martin ; Bartík, Vladimír (referee) ; Burget, Radek (advisor)
Obsahem této práce je návrh metody porovnání webových stránek na základě vizuálních rysů. Na začátku jsou popsány možné přístupy k porovnávání dokumentů s ohledem na jejich použití. Dále jsou prezentovány přístupy porovnávání zaměřené na vizuální vzhled dokumentů. Zde jsou nejdříve popsány metody pro porovnávání z vyrendrovaného obrázku dokumentu a pak přístup pomocí zdrojového kódu. Tato práce je dále detailně zaměřena na získání vizuální rysů ze zdrojového kódu dokumentu. Je zde popsán návrh nové metody pro porovnávání dokumentů na základě vizuálních rysů, která využívá strukturální popis dokumentu. Součástí je taky popis implementace aplikace a dosažené výsledky. V závěru jsou informace o možném rozšíření navržené metody a dalším pokračování.
|
|
|
Visipedia - Embedding-driven Visual Feature Extraction and Learning
Jakeš, Jan ; Beran, Vítězslav (referee) ; Zemčík, Pavel (advisor)
Multidimenzionální indexování je účinným nástrojem pro zachycení podobností mezi objekty bez nutnosti jejich explicitní kategorizace. V posledních letech byla tato metoda hojně využívána pro anotaci objektů a tvořila významnou část publikací spojených s projektem Visipedia. Tato práce analyzuje možnosti strojového učení z multidimenzionálně indexovaných obrázků na základě jejich obrazových příznaků a přestavuje metody predikce multidimenzionálních souřadnic pro předem neznámé obrázky. Práce studuje příslušené algoritmy pro extrakci příznaků, analyzuje relevantní metody strojového účení a popisuje celý proces vývoje takového systému. Výsledný systém je pak otestován na dvou různých datasetech a provedené experimenty prezentují první výsledky pro úlohu svého druhu.
|
guest ::
