Hledat
Zobrazují se záznamy 1-8 z 8
Odhad parkovací kapacity ve městech s použitím leteckých snímků, Estimating the Parking Capacity in Cities Using Aerial Images
; Vedoucí práce: Fiedler David; Oponent práce: Derbek Přemysl (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2019-06-05)
Většina velkých měst je v dnešná době pokryta satelitními snímky ve vysoké kvalitě, které se dají využít k analýze rozličných vlastností města. Jedna z možností je ze satelitních snímků odhadovat parkovací kapacitu. V této ...
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 ...
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 ...
Slabě supervisovaná příprava LiDARových dat pro detekci 3D objektů, Weakly Supervised Data Augmentation for LiDAR Based 3D Object Detection
; Vedoucí práce: Svoboda Tomáš; Oponent práce: Hurych David (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2021-06-01)
Navrhli jsme dvě lokální metody pro rozšíření datasetu: Vložení a Simulace pohybu. Vložení přidává do mračna bodů nové objekty. Tato metoda pomáhá nejvíce na nevyvážených datasetech, kde dokáže zvýšit zastoupení malých ...
Automatická detekce metastáz v histologických obrázcích lymfatických uzlin pomocí hlubokých neuronových sítí, Automatic Detection of Metastases in Whole-Slide Lymph Node Images Using Deep Neural Networks
; Vedoucí práce: Kybic Jan; Oponent práce: Šochman Jan (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2020-08-27)
Digitalizace procesu detekce rakoviny v histopatologických snímcích je předmětem výzkumu posledních let a automatizovaná počítačová analýza založená na hlubokých neuronových sítích ukázala potenciální výhody jako diagnostická ...
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 ...
Společné učení pro robotickou navigaci, Federated Learning for Robotic Navigation
; Vedoucí práce: Rozsypálek Zdeněk; Oponent práce: Na Seongin (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2022-06-06)
Tato práce se zaměřila na použití federovaného učení v kombinaci s hlubokým posilovaným učením k řešení problému robotické navigace s omezenou senzorickou výbavou. Byl učiněn pokus replikovat úspěch metody společného učení ...
Predikce budoucí trajektorie chodců pro autonomní auta, Future Pedestrian Trajectory Prediction for Autonomous Driving
; Vedoucí práce: Neumann Lukáš; Oponent práce: Škovierová Júlia (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2024-06-11)
V této práci se zabývám problémem predikce budoucí trajektorie chodců pro autonomní auta. Popisuji datové sady PIE a JAAD a jejich parametry. Dále zde představuji současný stav vývoje této problematiky a popisuji fungování ...