• Apriorní modely pro rubustní adversariální hluboké učení 

      Autor: Jose Ananias Hilario Reyes; Vedoucí práce: Flach Boris; Oponent práce: Schlesinger Dmitrij
      (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2019-06-18)
      Hluboké sítě naučené standardními metodami diskriminačního učení jsou náchylné k protichůdným vzorům. Výcvik nepřátelsky robustních hlubokých sítí proto vyžaduje nové metody učení. Jednou zajímavou možností je zahrnout ...
    • Syntéza lidské tváře pro rozšíření trénovací množiny 

      Autor: Matěj Nikl; Vedoucí práce: Franc Vojtěch; Oponent práce: Urban Martin
      (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2020-01-22)
      Pro trénování konvoluční neuronové sítě (CNN) pro odhad věku z obrázků tváří je potřeba velké množství trénovacích dat. Protože volně dostupné datové sady mají určité věkové kategorie nedostatečně zastoupené, konvoluční ...
    • Učení konvolučních neuronových sítí ze slabě anotovaných obrázků tváří 

      Autor: Stefan Ćirić; Vedoucí práce: Franc Vojtěch; Oponent práce: Urban Martin
      (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2020-01-21)
      Predikce věku ze snímků obličejů je dlouhodobě studovaný problém, pro který byla navržena řada různých postupů. V oblastech rozpoznávání tváří a predikci věku dosahují v současné době nejlepších výsledků metody založené ...