Homografie je metoda pro vyhledávání klíčových bodů mezi dvěma obrázky a určení jejich překryvu za účelem zarovnání obrazu. V poslední době se díky neuronovým sítím objevilo mnoho řešení pro hledání klíčových bodů. Otázkou však je, zda lze takto natrénované sítě využít také k hledání podobnosti (identifikaci) osoby na dvou obrázcích. Vaším úkolem proto bude implementovat několik různých algoritmů pro homografii a vyhledávání klíčových bodů a následně otestovat jejich přesnost při identifikaci.

Krevní řečiště prstu má každý člověk a prst individuální a je tedy jedinečné. V dnešní době existují různé algoritmy a postupy pro identifikaci člověka na základě snímků krevního řečiště prstu. Rozpoznání stejného lze provést pomoci porovnání dvou obrazů. Na principu hledání klíčových bodů a jejich porovnání pracují algoritmy a neuronové sítě, které se snaží hledat společné části dvou obrazů- Vaším úkolem by bylo tyto algoritmy otestovat na snímcích krevního řečiště prstu a určit zda jejich výsledky lze použít pro identifikaci osoby.

Detekce základních emocí na obličeji z videa.

Cílem práce je vytvořit řešení pro vyhledávání patologických útvaru pomocí detektoru s CLIP. CLIP umožní uživateli zadat, co se bude v datech vyhledávat například "maligní uzel". 

Více o technologií CLIP: https://openai.com/index/clip/

Cílem této práce je navrhnout a natrénovat neuronovou síť určenou pro sledování vzdálených cílů. Součástí řešení bude také návrh a implementace vhodných algoritmů pro řízení manipulátoru, na němž je umístěna sledovací kamera.

Realizace systému vyžaduje propojení metod strojového učení, počítačového vidění a řízení pohybu. Práce je vypsána ve spolupráci s Fakultou elektrotechniky.

Moderní velké jazykové modely (LLM) vybavené vizuálním enkodérem nabízejí nové možnosti pro analýzu a porozumění obrazovým datům, a to i v oblastech, pro které nebyly původně trénovány, včetně biometrického rozpoznávání.

Cílem této práce je prozkoumat možnosti využití vybraných multimodálních LLM modelů (např. GPT-4o, LLaVA, CLIP) pro biometrické rozpoznávání osob na základě obličeje, duhovky a žil prstu. Práce se zaměří na posouzení schopnosti těchto modelů identifikovat nebo ověřit totožnost osob na základě obrazových vstupů, a to bez dodatečného trénování na doménově specifických datech.

Body zadání:

- Prostudování současného stavu v oblasti multimodálních LLM a jejich využití pro vizuální úlohy, zejména v biometrice.

- Výběr vhodných modelů (např. GPT-4o, LLaVA, CLIP) a návrh metodiky pro jejich využití při rozpoznávání obličeje, duhovky a žil prstu.

- Implementaci aplikace, která umožní testování těchto modelů na vybraných biometrických datech.

- Návrh a realizaci experimentů, které ověří schopnost těchto modelů rozpoznávat osoby v různých podmínkách.

- Simulaci útoků (např. prezentační útoky, manipulace s obrazem) a analýzu faktorů, které mohou negativně ovlivnit přesnost rozpoznávání.

- Vyhodnocení výsledků, identifikace omezení a návrh případných zlepšení.

Cílem práce je navrhnout a implementovat aplikaci pro hodnocení kvality běhu s využitím moderních multimodálních modelů, konkrétně velkých jazykově-obrazových/video modelů (Video-LLM), které umožňují analýzu a interpretaci pohybu z videozáznamu.

Student/ka by měl/a:

- Prostudovat současné metody hodnocení kvality běhu v biomechanice a sportovní diagnostice.

- Analyzovat možnosti využití moderních Video-LMM (Large Multimodal Models), jako jsou GPT-4o, Flamingo, Video-LLaMA, VideoCLIP apod., pro zpracování videozáznamů běžců.

- Navrhnout metodiku zpracování běžeckého videa, včetně předzpracování (např. detekce postavy, extrakce klíčových bodů).

- Implementovat prototyp aplikace, která umožní: načtení videozáznamu běhu, analýzu běžeckého stylu, generování kvalitativního hodnocení v přirozeném jazyce (např. silné/ slabé stránky techniky běhu)

- Ověřit funkčnost systému na vybraném souboru testovacích videí (např. běh na páse, běh venku).

Zhodnotit přesnost, přínosy a omezení využití Video-LLM v dané oblasti.

Cílem této práce je navrhnout a implementovat řešení pro minipočítač (např. Raspberry Pi, NVIDIA Jetson), které bude schopno v reálném čase vyhodnocovat video stream a identifikovat předem definované události zadané uživatelem formou textového popisu (např. „zahradník s konví zalévající rostliny“).

V případě detekce takto specifikované situace bude příslušná videosekvence automaticky zaznamenána a následně bude prostřednictvím LoRa sítě odeslána notifikace (například na centrální server nebo jiný přijímač).

Práce zahrnuje:

zpracování vstupního video streamu na zařízení s omezeným výpočetním výkonem,

využití technologií pro počítačové vidění a jazykem řízenou detekci událostí (např. pomocí CLIP nebo Vid-LLMs),

optimalizaci systému pro provoz v reálném čase a nízkopříkonovém prostředí,

integraci s LoRa komunikačním modulem.

Jazykové modely hrají v současnosti nezastupitelnou roli napříč mnoha oblastmi umělé inteligence, přičemž své uplatnění nacházejí i v oblasti biometrie.

Cílem této práce je využít existující obličejové enkodéry a jazykové modely k návrhu a implementaci systému, který bude schopen na základě obličejového snímku odhadnout původ osoby (např. geografický, etnický nebo kulturní kontext).

Práce bude zahrnovat:

analýzu současných přístupů ke zpracování biometrických dat pomocí velkých jazykových modelů (LLM),

návrh vhodné reprezentace obličeje pomocí embeddingů,

a vývoj komponenty, která propojí vizuální vstup s výstupem ve formě jazykového vysvětlení nebo klasifikace původu osoby.

Cílem práce je detekce a případně klasifikace zvěře ve snímcích pořízených termokamerou. Student navrhne a natrénuje vhodnou neuronovou síť, provede potřebné experimenty a vytvoří uživatelské rozhraní pro prezentaci výsledků. Tato bakalářská práce je realizována ve spolupráci výzkumné skupiny STRADE při FIT VUT a Lesnické a dřevařské fakulty MENDELU.

- Cílem je využít 3D tiskárnu nebo robotickou ruku na psaní věrohodných podpisů.
- Pravděpodobně bude také nutné vytvořit i pero pro nasnímání podpisu nebo využít tablet.
- Možnost inspirovat se předchozí prácí.
- Práce vyžaduje práci s HW i SW.
- Alternativně by šlo generovat různé podpisy (ze zadaného textu) pomocí ML.

Cílem práce je vytvořit neuronovou síť založenou na technologii StyleGAN, která bude generovat snímky obličeje. Dalším cílem je tuto síť upravit tak, aby byla řízena embedding vektorem (reprezentací obličeje pro rozpoznávání). Malé změny tohoto vektoru by měly vést k vytvoření podobných obličejů v různých variacích.

Cílem práce je vytvořit řešení, které bude odhadovat natočení částečně zakrytého obličeje v obraze. Výstupem práce pak budou hodnoty natočení pro vstupní snímek obličeje v úhlech yaw, pitch a roll. Navíc budou provedeny experimenty s vyhodnocením přesnosti vůči referencím.

Cílem práce je vytvořit generátor snímků obličeje, které splňují normu ISO/IEC 39794-5. Tato norma popisuje, zjednodušeně řečeno, jak mají vypadat průkazové fotografie. V rámci práce musí být implementovány mechanismy, které ověří, zda fotka splňuje požadovaná kritéria. Můžete se inspirovat zde: ONOT: a High-Quality ICAO-compliant Synthetic Mugshot Dataset (https://brosdocs.net/fg2024/144.pdf).

Jako základ řešení využijte libovolnou generativní neuronovou síť (GAN, CLIP+GAN, Diffusion). Generátor by měl umožnit vytvářet snímky s výrazy obličeje, které splňují výše uvedenou normu.

Cílem práce je využití ViTR architektury neuronových sítí k vytvoření vlastního řešení určeného pro detekci podvrhů otisků prstů. Seznamte se s architekturami ViTR pro klasifikaci snímků a vyberte vhodné kandidáty. Síť vhodně upravte, natrénujte a proveďte experimenty. Nezapomeňte výsledky porovnat s existujícími řešeními a analyzovat, které podvrhy otisků prstů představují největší nebezpečí.

V rámci řešení práce bude nezbytné vyzkoušet více variant těchto sítí a provést důkladné experimenty.

Cílem práce je navrhnout řešení s transformerovou neuronovou sítí (ViTR) pro detekci obličeje, které bude spustitelné na vybrané platformě s ARM procesorem. Měli byste se pokusit na základě existujících řešení navrhnout síť, která dokáže provádět rychlou detekci s minimální ztrátou výkonnosti. Cílem zadání není vytvořit řešení, které poběží v reálném čase, ale prozkoumat možnosti a zjistit hranice pro dostatečně přesné a zároveň rychlé zpracování.

Při přemýšlení o výběru si můžete něco přečíst zde: https://medium.com/@faheemrustamy/detection-transformer-detr-vs-yolo-for-object-detection-baeb3c50bc3

Cílem práce je vytvořit zařízení s kamerou a ARM platformou, které bude sloužit pro bezkontaktní snímání žil ruky. V rámci práce bude zapotřebí vhodně navrhnout senzor a vytvořit obslužné algoritmy. Student bude mít k dispozici platformu s MCU ARM, kameru a LED pásky pro osvětlení.

Znalost 3D tisku výhodou.

Pro realizaci této práce je nutný zájem o hardware a pozitivní přístup k experimentování.

Smyslem aplikace je detekce prstu, z daného úhlu pohledu v několika snímcích. Jednotlivé snímky mají rozdílnou intenzitu osvětlení prostu a tedy i jinou vidítelnost krevního řečiště prstu. Úkolem je z několika snímků s jinou intenzitou osvětlení vytvořit a otestovat algoritmy pro složení snímků za účelem zvýšení viditelnosti krevního řečiště prstu.
Zadání bude přesněji specifikováno dle domluvy se zájemcem.

Cílem práce je seznámit se s problematikou automatického sledování objektů v návaznosti na řízení kamerového manipulátoru s využitím moderních neuronových sítí.

V rámci řešení student:

- provede rešerši existujících sítí vhodných pro účely sledování objektů ve videu,
- navrhne a implementuje rozhraní pro propojení výstupu sítě a stávajícího dohledového systému SAOTS od výzkumné skupiny STRADE,
- integruje vybrané modely sítí do aplikace pro řízení manipulátoru,
- zhodnotí výhody a nevýhody takového řešení.

Cílem práce je seznámit se s aktuálním stavem dohledového sledovacího systému na velké vzdálenosti (SAOTS) vyvinutého skupinou STRADE (https://strade.fit.vutbr.cz/) a jeho následná inovace. V oblasti hardware jde o výběr vhodné inovace hardware zaměřeného na aplikace počítačového vidění. V oblasti software se pak jedná o návrh a implementaci sjednocující aplikace, která umožní snadno ovládat celou platformu aktuálně obsluhovanou několika separátními aplikacemi.

Cílem je nasnímat prst pomocí tří kamer, za vhodné vlnové délky, fotografie spojit, extrahovat otisk prstu a vytvořit z něj 2D válený otisk.
Z fotografií by bylo vhodné vytvořit i 3D model a na výsledném obrázku otisku vyznačit markanty.

Hlavním účelem zadání je vytvořit generátor obrázků, z předem vygenerované struktury krevního řečiště prstu. Součástí bude dodán 3D model krevního řečiště. Daný model bude potřeba převést do obrazové formy, tedy formy, kterou zobrazují snímače.
Zadání bude přesněji specifikováno dle domluvy se zájemcem.

Smyslem zadání je navrhnout a vytvořit aplikaci, která bude zpracovávat snímky kde je více úhlů pohledu na jeden prst. Aplikace musí extrahovat jednotlivé pohledy, kde pozice pohledu jsou známy. Následně vytvořit masku prstu, a definovat společné body zájmu pro normalizaci prstu v jednotlivých pohledech.
Zadání bude přesněji specifikováno dle domluvy se zájemcem.

Cílem této práce je provést redukci modelu vybrané neuronové sítě pro detekci obličeje. Pro zmenšení velikosti použíjte metodu Pruning.

Jedná se o metody simulace, které transformují otisk na jiný typ. Výchozí typ bude dotekový otisk prstu transformace mohou být na bezkontaktní (fotka), rolovaný, patentní (krev, inkoust), latentní (zvýrazněný práškem, ninhydrinem), plastický (zanechaný např. v keramice). U některých transformací má smysl i reverzní operace, u některých bude potřeba simulovat i další poškození/úpravy typické pro otisky daného typu (převážně pozadí).
Další částí bude analýza databáze. Podle zaměření analýza kvality, skóre porovnání, anotace databáze, úspěšnosti převodů a úprav, atp.

Zadání bude přesněji specifikováno dle domluvy se zájemcem. Předběžně - jedná se o simulaci pozadí latentních otisků nebo různých technologii snímačů otisků prstů do syntetických (umělých) otisků prstů tak, aby vypadaly více jako reálné otisky. Bude nutné se seznámit se s rozdíly mezi dokonalým syntetickým otiskem, otiskem získaným ze senzoru a pozadím dle jednotlivých senzorů (DB jsou k dispozici nebo jsou k dispozici snímače). Do dokonalého syntetického otisku prstu pak bude třeba dogenerovat toto pozadí dle zvolené technologie. Vygenerovat sadu takto upravených otisků a zhodnotit výsledky. V tomto zadání je možné pokračovat v rozpracovaném řešení a výrazně ho rozšířit.

Jedná se o vylepšení (nebo znovu napsání) generátoru syntetických otisk prstu.
Stávající generátor vytváří otisky na základě markantů (bifurkace/ukončení), upravit se dá hustota linii, nastavení filtru, tvar otisku a třída reps. pole orientací. Vylepšení může být generováním složitějších markantů (ostrov, průsečná linii atd.), vylepšení celkové funkcionality (uvěřitelnost výsledků), rozšíření o generování rolovaného otisku a/nebo generování celého otisku dlaně. Dalšími menšími rozšířeními (bylo by vhodné kombinovat jich více) jsou generování statistik a anotací vygenerovaných otisků, možnost automatizovaného generování, rozšíření GUI v oblasti poškozování, anotace poškození, integrace některých externích poškozovacích algoritmů, použití metod pro úpravu okraje otisku.

Jedná se o tvorbu metodu detekce živosti (prezentačního útoku) na snímcích otisků prstů s experimentálního zařízení/termokamery. Součástí bude nasnímání databáze otisků a falzifikátů příp. i úprava experimentálního zařízení (či příprava snímání v případě využití termokamery).

Zadání bude přesněji specifikováno dle domluvy se zájemcem. Zadáním je rychlé zpracování a zobrazení, případně navržení úpravy intenzity osvětlení pro program provádějící skenování krevního řečiště prstu z různých úhlu pohledu.
Zařízení se skládá z několika na sobě nezávislých světelných zdrojů jejiž intenzita se musí upravovat podle tvaru prstu. Jedná se o zpracování obrazu, kde HW oblast je již vyřešena.

1) Prostudujte technologii multispektrální detekce živosti pro otisky prstů a celé ruky.
2) Analyzujte snímky z dodaných databází, popř. dohledejte další volně dostupné databáze.
3) Navrhněte algoritmus, který z multispektrálních snímků rozhodne, zda-li se jedná o živou či neživou ruku (falzifikát).
4) Navržený algoritmus implementujte.
5) Vyhodnoťte úspěšnost klasifikace živosti.
6) Proveďte experimentální ověření softwarového řešení a dosažené výsledky shrňte. Diskutujte možná rozšíření.

Zadání bude přesněji specifikováno dle domluvy se zájemcem. Účelem práce je vytvoření aplikace na zpracování obrazu s prstem z více úhlů pohledu a viditelným krevním řečištěm. Aplikace by tak měla zvýraznit krevní řečitě pro další ohodnocení za účelem rozpoznání osoby na základě krevního řečiště prstu.