Hledat
Zobrazují se záznamy 1-7 z 7
Efektivní implementace neuronových sítí pro použití v reálném čase, Efficient Implementation of Neural Networks for Real-Time Applications
; Vedoucí práce: Čech Jan; Oponent práce: Hering Jan (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2020-08-27)
Neuronové sítě jsou v současné době jednou z nejpoužívanějších metod ve strojovém učení, která dala vzniknout vědecké disciplíně známé jako hluboké učení. Dosud byly úspěšně nasazeny v mnoha výzkumných odvětvích, jako jsou ...
Metody strojového učení pro efektivní hodnocení kvality obrazu, Machine Learning Techniques for Efficient Image Quality Assessment
; Vedoucí práce: Fliegel Karel; Oponent práce: Kufa Jan (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2020-06-10)
Multimediální technologie zažily rapidní rozvoj především díky transformaci trhu s mobilními telefony směrem k telefonům chytrým s velmi schopnými kamerami a růstu popularity streamovacích služeb. Spolu s masovou produkcí ...
Rozpoznávání orientačních bodů pomocí hlubokého učení, Visual Landmark Recognition with Deep Learning
; Vedoucí práce: Tolias Georgios; Oponent práce: Mishkin Dmytro (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2020-08-26)
V této práci se zabýváne rozpoznávání instancí pomocí hlubokého učení. Získáváme deskriptory pomocí modelu neuronové sítě, který byl naučený přístupem metric learning. Vytvořili jsme různá upravení k-NN klasifikátorů pro ...
Rozpoznávání rostlin a hub z obrázků, Fine-grained Recognition of Plants and Fungi from Images
; Vedoucí práce: Matas Jiří; Oponent práce: Suk Tomáš (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2020-04-14)
Tato práce se zabývá rozpoznáváním druhů rostlin a hub z obrazu, od rozpoznávání skenů a fotografií listů a kůry v kontrolovaných podmínkách až po neomezená pozorování rostlin a hub "ve volné přírodě" s komplikovaným pozadím ...
Základy symetrií v hlubokém učení, Exploring Symmetries in Deep Learning
; Vedoucí práce: Šír Gustav; Oponent práce: Janisch Jaromír (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2021-06-07)
Mnoho aplikací hlubokého učení se zabývá aproximací funkcí, které obsahují nějakou formu symetrie vzhledem k jejich vstupu. Tento fakt se však často při tvorbě architektury zanedbává, výjimkou jsou pouze hojně rozšířené ...
Detekce objektů v obraze se známou geometrií scény, Detecting objects in images with known scene geometry
; Vedoucí práce: Čech Jan; Oponent práce: Hrúz Marek (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2022-06-07)
V poslední době se podařilo značně zrychlit a zpřesnit detekci objektů. Rychlou a přesnou detekci vyžadují autonomní vozidla. Soudobé moderní metody však detekci s ohledem na geometrii scény nijak neomezují. V této práci ...
Škálování hlubokého relačního učení, Scaling up Deep Relational Learning
; Vedoucí práce: Šír Gustav; Oponent práce: Drchal Jan (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2024-06-13)
Hluboké relační učení zevšeobecňuje principy neuronových sítí na učení na relačních datech, čímž umožňuje využít přirozeně strukturální povahu takových dat (tvořenou např.~cizími klíči v relačních databázích) jako součást ...