Detekce objektů a sledování trasy pohybu účastníků provozu pro potřeby inteligentních dopravních uzlů

Simple item page
but.committeeprof. Ing. Zdeněk Smékal, CSc. (předseda) Ing. Ondřej Krajsa, Ph.D. (člen) Ing. Jan Skapa, Ph.D. (člen) Ing. Michal Lares, Ph.D. (člen) Ing. Rudolf Procházka (člen) doc. Ing. Petr Šiška, Ph.D. (místopředseda)cs
but.defenceStudent prezentoval výsledky své práce a komise byla seznámena s posudky. Student obhájil diplomovou práci a odpověděl na otázky členů komise a oponenta: Vo Vašej práci uvádzate, že na testovacie účely bola zvolená jedna brnenská križovatka (ulice Koliště a Milady Horákové), ktorá bola snímaná dopravnou kamerou. Prosím uveďte zdroj, odkiaľ boli vyhotovené zábery z tejto križovatky. Napríklad či ste si kameru na križovatku nainštaloval sám, alebo využívate kameru Brnenských komunikacií (BKOM) a taktiež akým spôsobom boli dané kamerové zábery získané. Student dostatečně vysvětlil otázku.cs
but.jazykčeština (Czech)
but.programTelekomunikační a informační technikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorBurget, Radimcs
dc.contributor.authorVymazal, Tomášcs
dc.contributor.refereeKiac, Martincs
dc.date.created2023cs
dc.description.abstractDiplomová práce se zaměřuje na problematiku detekce objektů. Je navržen experiment, který posuzuje detekční modely YOLOv5, YOLOR, Scaled-YOLOv4 a EfficientDet a po- rovnává jejich vlastnosti (rychlost detekce, pamětové nároky, přesnost a jistotu detekce). K tomuto účelu je vytvořena vlastní datová sada, na které jsou tyto parametry zkoumány. Ze studie vyplývá, že nejlépe je na tom síť YOLOv5. Pro trasování objektů je použit deep SORT, který je důležitý pro následné získání trénovacích dat z videozáznamu pro predikci pohybu objektů. Přidanou hodnotou je návrh predikčního algoritmu, který je založený na polynomiálním regresním modelu.cs
dc.description.abstractThe master‘s thesis is focused on the object detection. The aim of this thesis is to desine an experiment to assess the detection models YOLOv5, YOLOR, Scaled-YOLOv4 and EfficientDet and to compare their properties (detection speed, memory requirements, accuracy and certainty of detection). For this purpose a custom data set is created to investigate these parameters. The study shows that the YOLOv5 network is performd as the best solution. Deep SORT is used for object tracking which is important for the subsequent extraction of training data from video footage for object movement prediction. The added value is the design of the prediction algorithm which is based on a polynomial regression model.en
dc.description.markAcs
dc.identifier.citationVYMAZAL, T. Detekce objektů a sledování trasy pohybu účastníků provozu pro potřeby inteligentních dopravních uzlů [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.cs
dc.identifier.other151111cs
dc.identifier.urihttp://hdl.handle.net/11012/210076
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.subjectPython3cs
dc.subjectPyTorchcs
dc.subjectYOLOv5cs
dc.subjectYOLORcs
dc.subjectScaled-YOLOv4cs
dc.subjectEfficientDetcs
dc.subjectdeep SORTcs
dc.subjectLSTMcs
dc.subjectGRUcs
dc.subjectRNNcs
dc.subjectPolynomiální regresní modelcs
dc.subjectpandascs
dc.subjectDetekcecs
dc.subjectTrasovánícs
dc.subjectPredikcecs
dc.subjectPython3en
dc.subjectPyTorchen
dc.subjectYOLOv5en
dc.subjectYOLORen
dc.subjectScaled-YOLOv4en
dc.subjectEfficientDeten
dc.subjectdeep SORTen
dc.subjectLSTMen
dc.subjectGRUen
dc.subjectRNNen
dc.subjectPolynomial regression modelen
dc.subjectpandasen
dc.subjectDetectionen
dc.subjectTrackingen
dc.subjectPre- dictionen
dc.titleDetekce objektů a sledování trasy pohybu účastníků provozu pro potřeby inteligentních dopravních uzlůcs
dc.title.alternativeDetection of objects and tracking the route of movement of traffic participants for the needs of intelligent transport nodesen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2023-06-07cs
dcterms.modified2023-06-08-09:55:08cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid151111en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 14:33:52en
sync.item.modts2025.01.15 16:36:21en
thesis.disciplinebez specializacecs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav telekomunikacícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
10.87 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
6.74 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_151111.html
Size:
3.64 KB
Format:
Hypertext Markup Language
Description:
file review_151111.html
Download
Collections
2023