but.committee	prof. Dr. Ing. Pavel Zemčík (předseda) doc. Ing. Lukáš Burget, Ph.D. (místopředseda) doc. Mgr. Lukáš Holík, Ph.D. (člen) Ing. Tomáš Martínek, Ph.D. (člen) Ing. Petr Matoušek, Ph.D., M.A. (člen)	cs
but.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 B. Otázky u obhajoby: Jaké operace s histogramem nenaruší funkčnost Vaší aplikace, příp. které ano. Demonstrujte alespoň na dvou příkladech. Je možné aplikovat filtr na dílčí oblast obrázku a zbytek ponechat nezměněný? Pokud ano, pozná Váš detektor použití daného filtru i na dílčí části obrazu? Jaké výpočetní nároky aplikace má, tj. zda je použitelná v mobilních či embedded zařízeních?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Goldmann, Tomáš	cs
dc.contributor.author	Kraváček, Adam	cs
dc.contributor.referee	Drahanský, Martin	cs
dc.date.accessioned	2021-06-20T07:53:59Z
dc.date.available	2021-06-20T07:53:59Z
dc.date.created	2021	cs
dc.description.abstract	Úprava snímku pomocí filtrů je jeden z nejjednodušších způsobů jak lze v dnešní době vylepšit jeho vlastnosti. Sociální sítě jako Instagram nebo Snapchat, zaměřené primárně na sdílení snímků, nabízejí svým uživatelům při nahrávání snímků filtry, které upravují barvy ve snímku a dělají jej tak atraktivnějším. V případě získávání snímků z těchto platforem by tak mnoho snímků mělo aplikovaný filtr. Tato práce vysvětluje principy těchto filtrů. Dále se zabývá detekcí filtrů ve snímcích s obličejem, experimentuje s několika různými přístupy. Detekce pomocí analýzy histogramu a detekce konvoluční neuronovou sítí se jeví jako nejlepší, a tak jsou implementovány do programu s jednoduchým uživatelským prostředím. Dosahují úspěšnosti 94,44% (histogram) a 99,10% (neuronová síť). Také je zkoumán vliv filtrů na identifikaci osob, který je závislý na aplikovaném filtru. Některé filtry výrazně zhoršují úspěšnost identifikace osob podle snímku obličeje, zatímco jiné mají minimální dopad. Obecně se však dá říci, že změny způsobené filtry nejsou zanedbatelné.	cs
dc.description.abstract	These days, altering images via filters is one of the easiest ways of enhancing its properties. Social networks like Instagram or Snapchat, focused primarily on image sharing, offer their users the option to apply filters on their images, which alter their colours to make them look better. If someone was to extract images from these platforms, many of these images would have a filter applied. This thesis explains the principles of these filters and focuses on detection of filters on facial images. Several approaches to detecting filters are being experimented with. Detection by analysis of histograms and detection by convolutional neural network achieve the best results and so are implemented in a program with a simple user interface. They achieved a success rate of 94,44% (histogram) and 99,10% (CNN). This thesis also investigates the impact of filters on facial recognition, where the impact varies depending on the filter used. Some filters have a significant impact on the rate of successful identifications, whereas others have little impact.In general, however, it can be said that the changes introduced by the application of filters are not negligible.	en
dc.description.mark	B	cs
dc.identifier.citation	KRAVÁČEK, A. Detekce použití retušovacích filtrů ve snímku s obličejem [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2021.	cs
dc.identifier.other	136545	cs
dc.identifier.uri	http://hdl.handle.net/11012/199493
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	zpracování obrazu	cs
dc.subject	histogram	cs
dc.subject	digitální snímky	cs
dc.subject	obrazové filtry	cs
dc.subject	Instagram	cs
dc.subject	umělá inteligence	cs
dc.subject	strojové učení	cs
dc.subject	detekce filtru	cs
dc.subject	snímky obličeje	cs
dc.subject	Diskrétní Fourierova transformace	cs
dc.subject	CelebA	cs
dc.subject	konvoluční neuronová síť	cs
dc.subject	image processing	en
dc.subject	histogram	en
dc.subject	digital images	en
dc.subject	image filters	en
dc.subject	Instagram	en
dc.subject	artificial intelligence	en
dc.subject	machine learning	en
dc.subject	filter detection	en
dc.subject	facial images	en
dc.subject	Discrete Fourier transform	en
dc.subject	CelebA	en
dc.subject	convolutional neural network	en
dc.title	Detekce použití retušovacích filtrů ve snímku s obličejem	cs
dc.title.alternative	Detect the Use of Retouch Filters in a Face Image	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2021-06-14	cs
dcterms.modified	2021-06-19-12:15:44	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	136545	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.22 23:00:37	en
sync.item.modts	2021.11.22 22:09:53	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémů	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Detekce použití retušovacích filtrů ve snímku s obličejem

Files

Original bundle

Collections