Pokročilé metody detekce hran v obraze
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
C
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Cílem této práce je zjistit možnosti aplikování trénovatelného algoritmu detekce hran Structured forest for fast edge detection na extrakci informací z historických mapových podkladů a medicínských snímků. Pro práci byl vytvořen vlastní anotovaný dataset, na kterém byl otestován tento trénovatelný detektor. Structured forest v porovnáním s klasickými detektory dosahoval lepších výsledků na mapových podkladech. Úspěšnost nalezení hran kostních tkání byla u obou přístupů podobná. Následující zaměření práce je orientováno na porovnání různých stylů anotování obrázků, experimentování s datasetem, včetně určování parametrů a vyhodnocování úspěšností metod.
The goal of this work is to investigate options how to apply trainable edge detection algorithm Structured forest for fast edge detection to information extraction from historici maps and medical images. For the work, annotated dataset was created and the detektor was tested on it. Structured forest achieved better results on map data, compared with classical detectors. Success rate of finding edges of bones was similar at both approaches. Aim of the work is focused on comparing different image annotation styles, experiments with dataset, including determining parameters and evaluation of the methods.
The goal of this work is to investigate options how to apply trainable edge detection algorithm Structured forest for fast edge detection to information extraction from historici maps and medical images. For the work, annotated dataset was created and the detektor was tested on it. Structured forest achieved better results on map data, compared with classical detectors. Success rate of finding edges of bones was similar at both approaches. Aim of the work is focused on comparing different image annotation styles, experiments with dataset, including determining parameters and evaluation of the methods.
Description
Citation
MEZÍRKA, M. Pokročilé metody detekce hran v obraze [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2015.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Počítačová grafika a multimédia
Comittee
prof. Dr. Ing. Pavel Zemčík (předseda)
doc. Dr. Ing. Jan Černocký (místopředseda)
RNDr. Marek Rychlý, Ph.D. (člen)
Ing. Josef Strnadel, Ph.D. (člen)
prof. RNDr. Josef Šlapal, CSc. (člen)
Ing. Michal Španěl, Ph.D. (člen)
Date of acceptance
2015-06-23
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: Dala by se zvýšit úspěšnost detekce implementací multi-scale verze metody Structured Forest? Tedy spustit ji nad několika měřítky vstupního obrazu a pak spojit výsledky. Jak by se dala zlepšit úspěšnost detekce hran metodou Structured Forest na zkoumaných medicínských datech?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení