Show simple item record

Using DNN for triangular network analysis in geometric morphometry
Použití DNN pro analýzu trojúhelníkových sítí v geometrické morfometrii
dc.contributor.advisorPelikán, Josef
dc.creatorDvořáková, Gabriela
dc.date.accessioned2018-09-25T08:42:01Z
dc.date.available2018-09-25T08:42:01Z
dc.date.issued2018
dc.identifier.urihttp://hdl.handle.net/20.500.11956/100954
dc.description.abstractThe aim of this thesis is to use deep learning for the task of 3D object recognition. Deep learning has been succesfully used for three dimensional data recognition. However, most of the published work chose to represent 3D objects as a set of projected 2D pixel images or in the form of binary voxels. The main goal is to propose an alternative mapping of 3D data to the NN input. Three data representations are introduced: Treating vertex coordinates as a 1D array, projection to a 2D grid and a set of surface oblique lines crossing the sig- nificant parts of an object. All of the proposed data representations are tested for the gender classification task using NN and CNN on 3D facial models. We analyzed the impact of coordinate relativization and a new modified dataset crea- ted by extracting a nose area from original triangle meshes. Experimental results confirmed the quality of the oblique lines approach with achieved classification accuracies of 84, 2% using CNN. 1en_US
dc.description.abstractTémou tejto práce je aplikácia hlbokého učenia na rozpoznávanie trojrozmerných objektov. Hlboké učenie už bolo úspešne použité na rozpozná- vanie 3D dát, avšak väčšina existujúcich prác volila reprezentáciu 3D objektov pomocou sekvencie 2D obrázkov alebo diskretizáciou do binárnych voxelov. Hlav- ným cieľom je navrhnúť alternatívne mapovanie 3D dát na vstupy NN. Predsta- víme tri reprezentácie: Prosté uloženie súradníc vrcholov do poľa, projekcia do 2D mriežky a množina povrchových lomených kriviek vedúcich jeho významnými čas- ťami. Všetky popísané reprezentácie sú testované na úlohe klasifikácie pohlavia pomocou NN a CNN na 3D faciálnych modeloch. Analyzovali sme vplyv relativi- zácie súradníc a vytvorenia modifikovanej datovej množiny extrakciou oblasti nosa z pôvodných trojuholníkových sietí. Experimentálne výsledky preukázali kvalitu prístupu s lomenými krivkami pomocou CNN úspešnosťou 84, 2%. 1cs_CZ
dc.languageSlovenčinacs_CZ
dc.language.isosk_SK
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjecttriangle meshen_US
dc.subjectfacial modelen_US
dc.subjectdeep learningen_US
dc.subjectgeometric morphometryen_US
dc.subjecttrojúhelníková síťcs_CZ
dc.subjectmodel obličejecs_CZ
dc.subjecthluboké učenícs_CZ
dc.subjectgeometrická morfometriecs_CZ
dc.titlePoužitie DNN pre analýzu trojuholníkových sietí v geometrickej morfometriisk_SK
dc.typebakalářská prácecs_CZ
dcterms.created2018
dcterms.dateAccepted2018-06-22
dc.description.departmentDepartment of Software and Computer Science Educationen_US
dc.description.departmentKatedra softwaru a výuky informatikycs_CZ
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.identifier.repId200667
dc.title.translatedUsing DNN for triangular network analysis in geometric morphometryen_US
dc.title.translatedPoužití DNN pro analýzu trojúhelníkových sítí v geometrické morfometriics_CZ
dc.contributor.refereeDupej, Ján
thesis.degree.nameBc.
thesis.degree.levelbakalářskécs_CZ
thesis.degree.disciplineProgramming and Software Systemsen_US
thesis.degree.disciplineProgramování a softwarové systémycs_CZ
thesis.degree.programComputer Scienceen_US
thesis.degree.programInformatikacs_CZ
uk.faculty-name.csMatematicko-fyzikální fakultacs_CZ
uk.faculty-name.enFaculty of Mathematics and Physicsen_US
uk.faculty-abbr.csMFFcs_CZ
uk.degree-discipline.csProgramování a softwarové systémycs_CZ
uk.degree-discipline.enProgramming and Software Systemsen_US
uk.degree-program.csInformatikacs_CZ
uk.degree-program.enComputer Scienceen_US
thesis.grade.csVýborněcs_CZ
thesis.grade.enExcellenten_US
uk.abstract.csTémou tejto práce je aplikácia hlbokého učenia na rozpoznávanie trojrozmerných objektov. Hlboké učenie už bolo úspešne použité na rozpozná- vanie 3D dát, avšak väčšina existujúcich prác volila reprezentáciu 3D objektov pomocou sekvencie 2D obrázkov alebo diskretizáciou do binárnych voxelov. Hlav- ným cieľom je navrhnúť alternatívne mapovanie 3D dát na vstupy NN. Predsta- víme tri reprezentácie: Prosté uloženie súradníc vrcholov do poľa, projekcia do 2D mriežky a množina povrchových lomených kriviek vedúcich jeho významnými čas- ťami. Všetky popísané reprezentácie sú testované na úlohe klasifikácie pohlavia pomocou NN a CNN na 3D faciálnych modeloch. Analyzovali sme vplyv relativi- zácie súradníc a vytvorenia modifikovanej datovej množiny extrakciou oblasti nosa z pôvodných trojuholníkových sietí. Experimentálne výsledky preukázali kvalitu prístupu s lomenými krivkami pomocou CNN úspešnosťou 84, 2%. 1cs_CZ
uk.abstract.enThe aim of this thesis is to use deep learning for the task of 3D object recognition. Deep learning has been succesfully used for three dimensional data recognition. However, most of the published work chose to represent 3D objects as a set of projected 2D pixel images or in the form of binary voxels. The main goal is to propose an alternative mapping of 3D data to the NN input. Three data representations are introduced: Treating vertex coordinates as a 1D array, projection to a 2D grid and a set of surface oblique lines crossing the sig- nificant parts of an object. All of the proposed data representations are tested for the gender classification task using NN and CNN on 3D facial models. We analyzed the impact of coordinate relativization and a new modified dataset crea- ted by extracting a nose area from original triangle meshes. Experimental results confirmed the quality of the oblique lines approach with achieved classification accuracies of 84, 2% using CNN. 1en_US
uk.file-availabilityV
uk.publication.placePrahacs_CZ
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra softwaru a výuky informatikycs_CZ
thesis.grade.code1


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV