Identifikace osob pomocí hlubokých neuronových sítí
Loading...
Date
Authors
Duban, Michal
Advisor
Referee
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
ORCID
Abstract
Tato diplomová práce se zabývá návrhem a implementací konvolučních neuronových sítí sloužících k re-identifikaci osob. Implementované konvoluční sítě byly testovány na dvou datových sadách CUHK01 a CUHK03, na kterých dosáhly výsledky srovnatelné se state of the art metodami. Navržené sítě byly implementovány ve frameworku Caffe.
This master's thesis deals with design and implementation of convolutional neural networks used in person re-identification. Implemented convolutional neural networks were tested on two datasets CUHK01 a CUHK03. Results, comparable with state of the art methods were acheved on these datasets. Designed networks were implemented in Caffe framework.
This master's thesis deals with design and implementation of convolutional neural networks used in person re-identification. Implemented convolutional neural networks were tested on two datasets CUHK01 a CUHK03. Results, comparable with state of the art methods were acheved on these datasets. Designed networks were implemented in Caffe framework.
Description
Citation
DUBAN, M. Identifikace osob pomocí hlubokých neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2016.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Počítačová grafika a multimédia
Comittee
prof. Dr. Ing. Jan Černocký (předseda)
prof. Ing. Adam Herout, Ph.D. (místopředseda)
doc. Ing. Vítězslav Beran, Ph.D. (člen)
doc. Dr. Ing. Dušan Kolář (člen)
Doc. RNDr. Pavel Matula, Ph.D. (člen)
prof. RNDr. Alexandr Meduna, CSc. (člen)
Date of acceptance
2016-06-17
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 velmi dobře. Otázky u obhajoby: Čím si vysvětlujete, že zmnožením trénovací sady došlo ke zhoršením výsledků (kap. 5.2)? Co znamená "vyhodnocení na rozšířené datové sadě" v popisku obrázku 5.5? Dataset jasně definuje testovací datovou sadu - pokud jste vyhodnocoval na sadě nějakým způsobem modifikované, není možné provádět (férové) srovnání s ostatními algoritmy (obr 5.8).
Result of defence
práce byla úspěšně obhájena