Detekce QR kódů pomocí hlubokého učení
but.committee | doc. Ing. Radim Burget, Ph.D. (předseda) doc. Ing. Jaroslav Sklenář, CSc. (místopředseda) Ing. Pavel Hanák, Ph.D. (člen) Ing. Ondřej Šmirg, Ph.D. (člen) Ing. Ondřej Pavelka (člen) Ing. Jiří Přinosil, Ph.D. (člen) | cs |
but.defence | Student prezentoval výsledky své práce a komise byla seznámena s posudky. Student obhájil bakalářskou práci s výhradami a odpověděl na otázky členů komise a oponenta. Otázky: Popište Váš proces experimentování s vybranými parametry sítě YOLO a jejich vliv na výslednou přesnost a rychlost detekce. Zasahoval jste nějak i do architektury sítě YOLO? Pokud ano, jak? | cs |
but.jazyk | čeština (Czech) | |
but.program | Telekomunikační a informační systémy | cs |
but.result | práce byla úspěšně obhájena | cs |
dc.contributor.advisor | Přinosil, Jiří | cs |
dc.contributor.author | Černohous, Matěj | cs |
dc.contributor.referee | Kříž, Petr | cs |
dc.date.created | 2023 | cs |
dc.description.abstract | Tato bakalářská práce se zabývá návrhem algoritmu pro detekci a dekódování QR kódů v obrazech využitím technik hlubokého učení. V rámci práce byly zhotoveny 2 datové sady, model neuronové sítě YOLOv7 pro detekci QR kódu v obraze, model neuronové sítě YOLOv4-tiny pro detekci pozičních bodů QR kódu a program v jazyce Python využívající těchto modelů pro čtení QR kódů v obrazech. Pro vyhodnocení byl algoritmus porovnán s jinými řešeními čtení QR kódů. | cs |
dc.description.abstract | This bachelor thesis deals with the design of an algorithm for detecting and decoding QR codes in images using deep learning techniques. The work involved the construction of 2 datasets, a YOLOv7 neural network model for detecting QR codes in images, a YOLOv4-tiny neural network model for detecting position markers of QR codes, and a Python program utilizing these models to read QR codes in images. For evaluation, the algorithm was compared with other options for QR code reading. | en |
dc.description.mark | C | cs |
dc.identifier.citation | ČERNOHOUS, M. Detekce QR kódů pomocí hlubokého učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023. | cs |
dc.identifier.other | 151045 | cs |
dc.identifier.uri | http://hdl.handle.net/11012/210851 | |
dc.language.iso | cs | cs |
dc.publisher | Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií | cs |
dc.rights | Standardní licenční smlouva - přístup k plnému textu bez omezení | cs |
dc.subject | konvoluční neuronová síť | cs |
dc.subject | YOLOv7 | cs |
dc.subject | YOLOv4-tiny | cs |
dc.subject | QR kód | cs |
dc.subject | datová sada | cs |
dc.subject | detekce objektů | cs |
dc.subject | Python | cs |
dc.subject | convolutional neural network | en |
dc.subject | YOLOv7 | en |
dc.subject | YOLOv4-tiny | en |
dc.subject | QR code | en |
dc.subject | dataset | en |
dc.subject | object detection | en |
dc.subject | Python | en |
dc.title | Detekce QR kódů pomocí hlubokého učení | cs |
dc.title.alternative | QR code detection using deep learning | en |
dc.type | Text | cs |
dc.type.driver | bachelorThesis | en |
dc.type.evskp | bakalářská práce | cs |
dcterms.dateAccepted | 2023-06-13 | cs |
dcterms.modified | 2023-06-14-09:43:13 | cs |
eprints.affiliatedInstitution.faculty | Fakulta elektrotechniky a komunikačních technologií | cs |
sync.item.dbid | 151045 | en |
sync.item.dbtype | ZP | en |
sync.item.insts | 2025.03.18 17:39:34 | en |
sync.item.modts | 2025.01.17 15:01:57 | en |
thesis.discipline | bez specializace | cs |
thesis.grantor | Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav telekomunikací | cs |
thesis.level | Bakalářský | cs |
thesis.name | Bc. | cs |
Files
Original bundle
1 - 3 of 3
Loading...
- Name:
- final-thesis.pdf
- Size:
- 8.93 MB
- Format:
- Adobe Portable Document Format
- Description:
- file final-thesis.pdf
Loading...
- Name:
- appendix-1.zip
- Size:
- 287 B
- Format:
- Unknown data format
- Description:
- file appendix-1.zip
Loading...
- Name:
- review_151045.html
- Size:
- 4.28 KB
- Format:
- Hypertext Markup Language
- Description:
- file review_151045.html