László Marák, PhD.

Név:	László Marák, PhD.
Kar:	Gazdaságtudományi és Informatikai Kar
Tanszék:	Informatika Tanszék
Beosztás:	Adjunktus
Iroda:
E-mail:
Telefon:	+421 35 32 60 ***

Életrajz
Kutatás
Publikációk
Egyéb információk

Egyetemi tanulmányok

Université Marne-la-Vallée

Képfeldolgozás

2008 - 2007

Doktori képzés (PhD.)

Université Paris-Est

Képfeldolgozás

2008 - 2011

Munkaviszonyok

Selye János Egyetem

Adjunktus

2018 -

Kutatási terület A gépi tanulási algoritmusok képfeldolgozási feladatokhoz való elterjedésével és a beágyazott eszközalkalmazások egyre növekvő igényével a fejlesztők számos módszert alkalmaznak az alkalmazások számítási hatékonyságának optimalizálására. Az algoritmusok optimalizálása kihívást jelenthet, és a fejlesztőknek nem triviális stratégiákat kell alkalmazniuk a számítógépes architektúrák számítási erőforrásainak hatékonyabb kihasználása érdekében. Az MLP a gépi tanulás és a mesterséges intelligencia egyik alapvető algoritmusa, és kiváló példa a GPGPU programozással és optimalizálással kapcsolatos nehézségekre. Önálló megfigyelésként tárgyaljuk a GPU-k memóriakezelését és a memóriaelosztás egyszerűsítésére szolgáló módszereket. Az optimalizált gépi tanulási algoritmusok ipari alkalmazásokban is alkalmazhatók, például alacsony költségű, nagy mennyiségű termékek gyártásában. Mivel a gyártás során előfordulnak hibák, fontos, hogy képesek legyünk felismerni az érvénytelen termékeket, hogy biztosítsuk az előállított termékek egyenletes minőségét. A kézi minőségbiztosítás emberi kezelőket alkalmazva hibakényes és költséges megoldás. Ezért kifejlesztünk egy képosztályozási módszert, amely egy alacsony költségű kereskedelmi kamerarendszert használ, és a Haar-szerű jellemzőkkel kombinált, maximális relevanciájú, minimális redundanciájú jellemzők kiválasztásával kombinált Haar-szerű jellemzőkre támaszkodik, hogy a gyártási folyamat végén felismerje az érvénytelen termékeket. A vizuális felvételkészítés további javítása, a kiterjesztett valóság (AR), a kevert valóság (MR) és a virtuális valóság (VR) alkalmazások megjelenésével egyre fontosabbá válik a kameraszög-követés vagy formálisabban a perspektivikus N-pont (PNP) probléma is. A pontos kameraszögkövetés a kamera pozíciójának a környezethez viszonyított meghatározásának problémájára utal a felvétel pillanatában. A kamerának van néhány kulcsfontosságú tulajdonsága, amelyek ismerni kell a pontos pozicionáláshoz. Ezek a kamera belső paraméterei, a kamera objektív torzítása és a környezet pontos 3D modellje. Munkánk során egy új kamera objektív kalibrációs megközelítést dolgoztunk ki, amely pontosabb és reprodukálhatóbb belső és torzító objektív kalibrációt biztosít. Konkrétan két fejlesztést szeretnénk bemutatni: Először is, bemutattunk egy új kalibrációs mintát, amely immunisabb a kalibrálóberendezés pozicionálási problémájára. Ez a probléma a kalibrációs pontok egyenetlen eloszlását eredményezi a kamera objektívjén. Másodszor, bemutattunk egy továbbfejlesztett kalibrációs algoritmust, amely pontosabb intrinsic paraméterbecslést biztosít, és kevésbé függ a kalibráló berendezés tényleges helyzetétől, mint az általánosan használt algoritmusok. Mellékesen foglalkoztunk a szavazással, amely a demokratikus folyamatok egyik fontos eljárása. Munkánk célja az volt, hogy egy eredeti elektronikus szavazási protokollt javasoljunk. Elmagyaráztuk a szavazási protokollunk elméleti hátterét és technikai koncepcióit. Formális demonstrációkat is nyújtottunk a javasolt algoritmusunkhoz. Célunk volt megmutatni, hogy olyan szavazási protokollokat tudunk tervezni, amelyek összehasonlíthatóak a demokratikus választások hagyományos módszereivel.

A CREPČ2 központi adatbázisban jegyzett publikációk

Letöltés

Skupina V - Vedecký výstup publikačnej činnosti (V1, V2, V3)

Počet výstupov: 6

V3 Vedecký výstup publikačnej činnosti z časopisu (6)

Skupina O - Odborný výstup publikačnej činnosti (O1, O2, O3)

Počet výstupov: 0

Skupina P - Pedagogický výstup publikačnej činnosti (P1, P2)

Počet výstupov: 0

Skupina U - Umelecký výstup publikačnej činnosti (U1, U2, U3)

Počet výstupov: 0

Skupina D - Dokument práv duševného vlastníctva (D1)

Počet výstupov: 0

Skupina I - Iný výstup publikačnej činnosti (I1, I2, I3)

Počet výstupov: 0

Skupina A1 - Knižné publikácie charakteru vedeckej monografie (AAA, AAB, ABA, ABB, ABC, ABD)

Počet výstupov: 0

Skupina A2 - Ostatné knižné publikácie (ACA, ACB, BAA, BAB, BCB, BCI, CAA, CAB, EAI, EAJ, FAI)

Počet výstupov: 0

Skupina B - Publikácie v karentovaných časopisoch alebo registrované vo WoS a Scopus (ADC, ADD, BDC, BDD, CDC, CDD, ADM, ADN, BDM, BDN)

Počet výstupov: 0

Skupina P - Patenty (AGJ)

Počet výstupov: 0

Skupina D - Ostatné sledované publikácie (ACC, ACD, ADE, ADF, AEC, AED, AEG, AEH, AFA, AFB, AFC, AFD, AFE, AFF, AFG, AFH, AEM, AEN, BBA, BBB, BCK, BDA, BDB, BDE, BDF, BEE, BEF, BFA, BFB, CBA, CBB, CDE, CDF)

Počet výstupov: 0

Skupina O - Iné, nesledované publikácie (AFK, AFL, AGI, CAI, CAJ, CEC, CED, CGC, CGD, CIA, CIB, CJA, CJB, CKA, CKB, DAI, EDI, EDJ, GAI, GHG, GII)

Počet výstupov: 0

Ostatné - mimo kategórií MŠSR

Počet výstupov: 0

Počet výstupov spolu: 6

ŠTATISTIKA OHLASOV: 1

Štatistika ohlasov s kategóriou podľa Vyhlášky č. 397/2020 Z. z: počet ohlasov: 1

Citácia v publikácii registrovaná v citačných indexoch: počet ohlasov: 1

https://www.linkedin.com/e/fpf/344458956