Automatické strojové metody získávání znalostí z multimediálních dat

Simple item page
but.committeeprof. Ing. Zdeněk Smékal, CSc. (předseda) prof. Ing. Kamil Vrba, CSc. (člen) doc. Ing. Otto Dostál, CSc. (člen) prof. Ing. Boris Šimák, CSc. (člen) Ing. Jiří Přinosil, Ph.D. (člen) doc. Ing. Jiří Mekyska, Ph.D. (člen) doc. Ing. Miroslav Vozňák, Ph.D. - oponent (člen) Ing. Erik Chromý, PhD. - oponent (člen)cs
but.jazykčeština (Czech)
but.programElektrotechnika a komunikační technologiecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorBurget, Radimcs
dc.contributor.authorMašek, Jancs
dc.contributor.refereeChromý, Erikcs
dc.contributor.refereeVozňák, Miroslavcs
dc.date.created2016cs
dc.description.abstractKvalitní a efektivní zpracování rostoucího množství multimediálních dat začíná být v dnešní době stále více potřebné pro získání určité znalosti z těchto dat. Práce se zabývá výzkumem, implementací, optimalizací a experimentálním ověřením automatických metod strojového učení pro získávání znalostí z multimediálních dat, kde bylo v řadě příkladů dosaženo vyšší přesnosti ve srovnání s konvenčními metodami a vybrané výsledky byly publikovány v časopisech s impaktním faktorem [1, 2]. K tomu byly v práci speciálně vytvořeny výpočetní metody, které využívají masivně paralelní hardware, díky kterému je dosaženo úspory elektrické energie a výpočetního času při dosažení lepší přesnosti řešených problémů. Výpočty trvající běžně v řádech dní bylo možné urychlit novými metodami na několik málo minut. Funkčnost vytvořených metod byla ověřena na vybraných problémech: detekce krční arterie z ultrazvukových snímků a následné určení stupně nemoci této arterie, detekce staveb z leteckých snímků pro získání jejich zeměpisných souřadnic, detekce jednotlivých materiálů obsažených v meteoritu ze snímků počítačové tomografie, zpracování velkých databází strukturovaných dat, klasifikace hutních materiálů s pomocí laserové spektrometrie a automatická klasifikace emocí z textů.cs
dc.description.abstractThe quality and efficient processing of increasing amount of multimedia data is nowadays becoming increasingly needed to obtain some knowledge of this data. The thesis deals with a research, implementation, optimization and the experimental verification of automatic machine learning methods for multimedia data analysis. Created approach achieves higher accuracy in comparison with common methods, when applied on selected examples. Selected results were published in journals with impact factor [1, 2]. For these reasons special parallel computing methods were created in this work. These methods use massively parallel hardware to save electric energy and computing time and for achieving better result while solving problems. Computations which usually take days can be computed in minutes using new optimized methods. The functionality of created methods was verified on selected problems: artery detection from ultrasound images with further classifying of artery disease, the buildings detection from aerial images for obtaining geographical coordinates, the detection of materials contained in meteorite from CT images, the processing of huge databases of structured data, the classification of metallurgical materials with using laser induced breakdown spectroscopy and the automatic classification of emotions from texts.en
dc.description.markPcs
dc.identifier.citationMAŠEK, J. Automatické strojové metody získávání znalostí z multimediálních dat [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2016.cs
dc.identifier.other97030cs
dc.identifier.urihttp://hdl.handle.net/11012/63076
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectAkcelerace výpočtůcs
dc.subjectdetekce objektůcs
dc.subjectGPUcs
dc.subjecthluboké učenícs
dc.subjectmasivně paralelní hardwarecs
dc.subjectmultimediální datacs
dc.subjectparalelní zpracovánícs
dc.subjecttrénovatelná segmentacecs
dc.subjectumělá inteligencecs
dc.subjectúspora energie.cs
dc.subjectComputation accelerationen
dc.subjectobject detectionen
dc.subjectGPUen
dc.subjectdeep learningen
dc.subjectmassively parallel hardwareen
dc.subjectmultimedia dataen
dc.subjectparallel processingen
dc.subjecttrainable segmentationen
dc.subjectartificial intelligenceen
dc.subjectenergy saving.en
dc.titleAutomatické strojové metody získávání znalostí z multimediálních datcs
dc.title.alternativeAutomatic Machine Learning Methods for Multimedia Data Analysisen
dc.typeTextcs
dc.type.driverdoctoralThesisen
dc.type.evskpdizertační prácecs
dcterms.dateAccepted2016-12-22cs
dcterms.modified2016-12-22-12:04:33cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid97030en
sync.item.dbtypeZPen
sync.item.insts2025.03.27 11:57:00en
sync.item.modts2025.01.17 13:23:35en
thesis.disciplineTeleinformatikacs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav telekomunikacícs
thesis.levelDoktorskýcs
thesis.namePh.D.cs
Files
Original bundle
Now showing 1 - 5 of 5
Thumbnail Image
Name:
final-thesis.pdf
Size:
4.98 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
thesis-1.pdf
Size:
1.87 MB
Format:
Adobe Portable Document Format
Description:
thesis-1.pdf
Download
Thumbnail Image
Name:
Posudek-Oponent prace-Erik Chromy posudok dizertacnej prace Jan Masek.pdf
Size:
176.31 KB
Format:
Adobe Portable Document Format
Description:
Posudek-Oponent prace-Erik Chromy posudok dizertacnej prace Jan Masek.pdf
Download
Thumbnail Image
Name:
Posudek-Oponent prace-Voznak_posudekMASEKv2.pdf
Size:
622.4 KB
Format:
Adobe Portable Document Format
Description:
Posudek-Oponent prace-Voznak_posudekMASEKv2.pdf
Download
Thumbnail Image
Name:
review_97030.html
Size:
2.73 KB
Format:
Hypertext Markup Language
Description:
file review_97030.html
Download
Collections
2016