Zarovnání obrázků sportovních pozic
Alignment of Sports Pose Images

Author
Advisor
Herout, AdamReferee
Hradiš, MichalGrade
CAltmetrics
Metadata
Show full item recordAbstract
Tato práce se zabývá problémem zarovnání dvou obrázků na základě sportovní pozice zaujaté osobou na obrázcích. Hlavním výsledkem je návrh a implementace dvou systémů pro zarovnání fotografií na základě sportovní pozice. První systém je zaměřen na přesnost a byl využit k tvorbě datové sady, která byla dále využita k učení neuronové sítě. Druhý systém cílil na menší hardwarovou náročnost, které bylo dosáhnuto použitím neuronových sítí. Vytvořená neuronová síť úspěšně zarovnala 81,98 % obrázků. V rámci řešení byla vytvořena sada fotek rozřazených podle sportovní pozice. The following thesis deals with image alignment based on sport pose of person in the image. The main result of this thesis is design and implementation of two systems for image alignment based on sport pose. The first system's focus is accuracy and it will be used to create dataset, which will be use to train neural network. Second system aimed at minimal hardware requirement, which was acomplished by using neural networks. Implemented neural net managed to sucessfuly align 81.98 % of images. A set of images, sorted based on the sport pose, has been created as a part of the solution.
Keywords
Zarovnání obrázků, Detekce lidské pózy, Neuronové sítě, Počítačové vidění, Regrese transformací, Image alignment, Human pose detection, Neural networks, Computer vision, Transformations regressionLanguage
čeština (Czech)Study brunch
Informační technologieComposition of Committee
doc. Ing. Martin Čadík, Ph.D. (předseda) doc. Ing. Radek Burget, Ph.D. (místopředseda) Ing. David Bařina, Ph.D. (člen) doc. RNDr. Milan Češka, Ph.D. (člen) Ing. Vojtěch Mrázek, Ph.D. (člen)Date of defence
2022-06-14Process of defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm C. Otázky u obhajoby: Vzhledem k tabulce 7.1, jaká je chyb MCE pro vaši ground truth? Je možné nějak kvantifikovat, jak nepřesná je vaše trénovací sada? Můžou mít nepřesnosti metody založené na pozici kloubů použité pro tvorbu trénovací sady nějaký vliv na výsledky vašich experimentů? Píšete, že je vaším cílem rychlost zpracování. Proč je to důležité a jaká je tedy rychlost zpracování? Bylo nutné využívat znalostí druhu pózy? Nestačilo by vyhodnocovat chybu mapování pozic kloubů po zarovnání? Jak jste to myslel v "Klasifikace segmentů regrese" s tím, že "hlavní problém je neznalost oboru hodnot"? Nemáte rozsahy možných pozic přímo v ground truth trénovací sady? "Správné" pozice těch rohových bodů přece znáte. Jak velká je vámi vytvořená část datové sady?Result of the defence
práce byla úspěšně obhájenaPersistent identifier
http://hdl.handle.net/11012/207277Source
KNÍŽE, J. Zarovnání obrázků sportovních pozic [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2022.Collections
- 2022 [309]