but.committee	prof. Dr. Ing. Pavel Zemčík, dr. h. c. (předseda) doc. Ing. Lukáš Burget, Ph.D. (místopředseda) doc. Mgr. Lukáš Holík, Ph.D. (člen) doc. Ing. Tomáš Martínek, Ph.D. (člen) Ing. Jaroslav Dytrych, Ph.D. (místopředseda) doc. Ing. Petr Matoušek, Ph.D., M.A. (člen)	cs
but.defence	Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm C. Otázky u obhajoby: Při prořezávání se jde od začátku sítě? Statistiky pro prořezání filtrů (L1, L2, std) se počítají i z kanálů filtru, které již byly prořezané v předchozí vrstvě? Jak je důležité L1, L2, std, když na výstupy konvolučních vrstev jsou aplikovány normalizační vrstvy, které můžou každý kanál libovolně škálovat? Jaké je vaše vysvětlení nízké úspěšnosti sítí s prořezanými rekurentními vrstvami? Jak jsou v modelu tyto čtyři vrstvy propojené? Respektujete toto propojení při prořezávání?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Kišš, Martin	cs
dc.contributor.author	Petráš, Simon	cs
dc.contributor.referee	Hradiš, Michal	cs
dc.date.created	2022	cs
dc.description.abstract	Dokument predstavuje prácu na prerezávanie neurónovej siete slúžiacej na rozpoznávanie ručne písaného textu. Cieľom práce je vytvoriť program na prerezávanie danej siete. Prerezávali sme dva typy neurónových sieti a to konvolučné a rekurentné neurónové siete. Pri prerezávaní konvolučnej časti bolo experimentované s rôznymi kritériami výberu parametrov. Výsledkom práce je model, ktorý dosahuje 20% zrýchlenie pri znížení presnosti siete iba o 0.4%, ale aj množstvo iných modelov, ktoré sú rýchlejšie ale nadobúdajú aj vyššej nepresnosti.	cs
dc.description.abstract	This document is a work on pruning neural network for handwriting recognition. The aim of the work is to create a program for pruning the network. We prune two types of neural networks, namely convolutional and recurrent neural networks. During the pruning of the convolution part, various criteria of parameter selection were experimented with. The result of the work is a model that achieves 20% acceleration while increasing the network inaccuracy by only 0.4%, but also a number of other models that are faster but also acquire higher inaccuracies.	en
dc.description.mark	C	cs
dc.identifier.citation	PETRÁŠ, S. Prořezávání hlubokých neuronových sítí pro rozpoznávání textu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2022.	cs
dc.identifier.other	145222	cs
dc.identifier.uri	http://hdl.handle.net/11012/207349
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	Neurónové siete	cs
dc.subject	CNN	cs
dc.subject	RNN	cs
dc.subject	Pytorch	cs
dc.subject	OCR	cs
dc.subject	prerezávanie	cs
dc.subject	Neural networks	en
dc.subject	CNN	en
dc.subject	RNN	en
dc.subject	Pytorch	en
dc.subject	OCR	en
dc.subject	pruning	en
dc.title	Prořezávání hlubokých neuronových sítí pro rozpoznávání textu	cs
dc.title.alternative	Deep Neural Network Pruning for Text Recognition	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2022-06-14	cs
dcterms.modified	2022-06-20-10:23:09	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	145222	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:41:57	en
sync.item.modts	2025.01.15 16:00:24	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Prořezávání hlubokých neuronových sítí pro rozpoznávání textu

Files

Original bundle

Collections