but.committee	prof. Ing. Adam Herout, Ph.D. (předseda) doc. Ing. Lukáš Burget, Ph.D. (místopředseda) doc. Ing. Vítězslav Beran, Ph.D. (člen) Ing. Michal Hradiš, Ph.D. (člen) Ing. Zbyněk Křivka, Ph.D. (člen) Ing. Filip Orság, Ph.D. (člen)	cs
but.defence	Studentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm A. Otázky u obhajoby: V práci jste uvedla, že používáte metriku vyhodnocující, zda odchylka úhlu je menší než 30° (odstavec 4.1.2). To se mi zdá "hodně hrubé". Dá se dosáhnout lepší rozlišovací schopnosti/přesnosti výstupů? Na základě Vašich zkušeností s prací, pokládáte aplikaci sítí na polygonální modely za dobrou alternativu aplikaci na 3D rastr? V čem jsou hlavní výhody a nevýhody, které jste vyzkoumala? Jakým způsobem byl použity attention model ve Vašem řešení?	cs
but.jazyk	slovenština (Slovak)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Kodym, Oldřich	sk
dc.contributor.author	Dronzeková, Michaela	sk
dc.contributor.referee	Zemčík, Pavel	sk
dc.date.created	2020	cs
dc.description.abstract	Práca sa zaoberá odhadom rotácie na 3D modeloch čeľuste. Popisuje metódy na priame spracovanie 3D modelov aj spracovanie modelu pomocou rasterizácie a porovnáva tieto metódy. Na vyhodnotenie sietí bola zavedená metrika, ktorá počíta počet prípadov, v ktorých sieť urobila v odhade rotácie chybu menšiu ako 30° od skutočnej rotácie. Navrhnutá metóda, ktorá pracovala s rasterizáciou, spracovávala rontgenové snímky z troch pohľadov pomocou konvolučných sietí. Dosiahla úspešnosť 99% vo vyššie uvedenej metrike. Metóda priameho spracovania polygoniálneho modelu ako sekvencie využíva attention mechanizmus a je inšpirovaná transformer architektúrou. Pre túto metódu bola navrhnutá aj špeciálna operácia poolingu, ktorá umožnila znížiť hlavne pamäťovú náročnosť siete. Dosiahla horšie výsledky 88%, ale nevyžadovala rasterizáciu a priamo spracovávala polygoniálny model. Okrem toho, dosiahla lepšie výsledky ako metóda s rasterizáciou, kde model nebol zobrazený ako rontge, ale len ako render. Posledná metóda spracováva model v grafovej reprezentácii. Grafová sieť mala veľký problém s pretrénovaním, preto nedosiahla dobré výsledky a nepovažujem ju za dobrú metódu priameho spracovania polygoniálneho modelu.	sk
dc.description.abstract	This thesis deals with rotation estimation of 3D model of human jaw. It describes and compares methods for direct analysis od 3D models as well as method to analyze model using rasterization. To evaluate perfomance of proposed method, a metric that computes number of cases when prediction was less than 30° from ground truth is used. Proposed method that uses rasterization, takes three x-ray views of model as an input and processes it with convolutional network. It achieves best preformance, 99% with described metric. Method to directly analyze polygonal model as a sequence uses attention mechanism to do so and was inspired by transformer architecture. A special pooling function was proposed for this network that decreases memory requirements of the network. This method achieves 88%, but does not use rasterization and can process polygonal model directly. It is not as good as rasterization method with x-ray display, byt it is better than rasterization method with model not rendered as x-ray. The last method uses graph representation of mesh. Graph network had problems with overfitting, that is why it did not get good results and I think this method is not very suitable for analyzing plygonal model.	en
dc.description.mark	A	cs
dc.identifier.citation	DRONZEKOVÁ, M. Analýza polygonálních modelů pomocí neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.	cs
dc.identifier.other	129301	cs
dc.identifier.uri	http://hdl.handle.net/11012/192482
dc.language.iso	sk	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	polygoniálne modely	sk
dc.subject	neurónové siete	sk
dc.subject	odhad rotácie	sk
dc.subject	attention mechanizmus	sk
dc.subject	transformer	sk
dc.subject	grafové konvolučné siete	sk
dc.subject	polygonal models	en
dc.subject	neural networks	en
dc.subject	rotation estimation	en
dc.subject	attention mechanism	en
dc.subject	transformer	en
dc.subject	graph convolutional network	en
dc.title	Analýza polygonálních modelů pomocí neuronových sítí	sk
dc.title.alternative	Analysis of Polygonal Models Using Neural Networks	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2020-07-17	cs
dcterms.modified	2020-07-17-14:44:57	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	129301	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.26 15:31:27	en
sync.item.modts	2025.01.15 20:15:35	en
thesis.discipline	Inteligentní systémy	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Analýza polygonálních modelů pomocí neuronových sítí

Files

Original bundle

Collections