Real-time analýza a validace obrazu z webových kamer
Název práce v češtině: | Real-time analýza a validace obrazu z webových kamer |
---|---|
Název v anglickém jazyce: | Analysis and validation of webcam images in real time |
Klíčová slova: | analýza obrázků|detekce objektů|klasifikace obrazu|klasifikace počasí|počítačové vidění|hluboké učení|konvoluční sítě |
Klíčová slova anglicky: | image processing|object detection|image classification|weather classification|computer vision|deep learning|convolutional neural network |
Akademický rok vypsání: | 2023/2024 |
Typ práce: | bakalářská práce |
Jazyk práce: | |
Ústav: | Katedra teoretické informatiky a matematické logiky (32-KTIML) |
Vedoucí / školitel: | RNDr. Kateřina Macková |
Řešitel: | Karel Vlk - zadáno a potvrzeno stud. odd. |
Datum přihlášení: | 04.03.2024 |
Datum zadání: | 04.03.2024 |
Datum potvrzení stud. oddělením: | 04.03.2024 |
Datum odevzdání elektronické podoby: | 08.05.2024 |
Zásady pro vypracování |
Analýza a validace snímků z webových kamer představuje klíčový úvodní krok v procesu automatického poskytování aktuálních informací uživatelům za účelem identifikace meteorologických podmínek na daném místě. Prvním krokem je detekovat nevhodné objekty, poškozené snímky a situace, kdy je kamera vypnuta. Následně je potřeba provést klasifikaci počasí, zařadit snímky do kategorií podle scény a detekci směru kamery.
Student si nastuduje potřebnou literaturu pro zpracování obrazu s aplikací v meteorologii. Následně se zaměří na vývoj a implementaci systému, který bude schopen real-time analýzy a validace obrazu z webových kamer. Práce bude zahrnovat výběr, trénování a integraci moderních modelů strojového učení do celkové architektury systému, který bude navržen pro real-time zpracování. Student vyhodnotí výkon a úspěšnost systému na různých typech datasetů a představí demonstrační aplikaci. |
Seznam odborné literatury |
[1] He, K., Zhang, X., Ren, S., & Sun, J. (2015). Deep Residual Learning for Image Recognition. arXiv:1506.02640. Dostupné na: https://arxiv.org/abs/1506.02640
[2] Zhou, Y., Wang, Y., Tang, P., Wang, W., & Li, X. (2022). Simple Multi-Dataset Detection. In Proceedings of the CVPR 2022. Dostupné na: https://openaccess.thecvf.com/content/CVPR2022/papers/Zhou_Simple_Multi-Dataset_Detection_CVPR_2022_paper.pdf [3] Fang, W.; Zhang, G.; Zheng, Y.; Chen, Y. Multi-Task Learning for UAV Aerial Object Detection in Foggy Weather Condition. (2023). Dostupné na: https://doi.org/ 10.3390/rs15184617 [4] Alec Radford, Jong Wook Kim, Chris Hallacy, Aditya Ramesh, Gabriel Goh, Sandhini Agarwal, Girish Sastry, Amanda Askell, Pamela Mishkin, Jack Clark, Gretchen Krueger, Ilya Sutskever (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. arXiv:2103.00020. Dostupné na: https://arxiv.org/abs/2103.00020 [5] Tianheng Cheng, Lin Song, Yixiao Ge, Wenyu Liu, Xinggang Wang, Ying Shan. (2024). YOLO-World: Real-Time Open-Vocabulary Object Detection. arXiv:2401.17270. Dostupné na: https://arxiv.org/abs/2401.17270 [6] Fionn Murtagh. (1991). Multilayer perceptrons for classification and regression. Dostupné na: https://doi.org/10.1016/0925-2312(91)90023-5 [7] Xiao, H., Zhang, F., Shen, Z., Wu, K., & Zhang, J. (2021). Classification of weather phenomenon from images by using deep convolutional neural network. Earth and Space Science, 8, e2020EA001604. Dostupné na: https://doi.org/10.1029/2020EA001604 |