Klasifikace obrazů s pomocí hlubokého učení

Simple item page
but.committeedoc. Ing. Miloš Orgoň, Ph.D. (předseda) prof. Ing. Jiří Mišurec, CSc. (místopředseda) Ing. Tomáš Zeman, Ph.D. (člen) doc. Ing. Pavel Šilhavý, Ph.D. (člen) Ing. Jan Mašek, Ph.D. (člen) Ing. Jiří Přinosil, Ph.D. (člen)cs
but.defenceJaká jsou doporučení ohledně struktury DCNN s ohledem na velikost vstupních dat? Je ve fázích detekce obrazového objektu a jeho klasifikace uvažováno s různým natočením daného objektu?cs
but.jazykčeština (Czech)
but.programElektrotechnika, elektronika, komunikační a řídicí technikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorMašek, Jancs
dc.contributor.authorHřebíček, Zdeněkcs
dc.contributor.refereePřinosil, Jiřícs
dc.date.created2016cs
dc.description.abstractPráce se zabývá detekcí objektů v obraze a jejich klasifikací do tříd. Klasifikace je zajištěna modely prostředí pro hlubokého učení BVLC/Caffe; Detekci objektů zajišťují algoritmy AlpacaDB/selectivesearch a belltailjp/selective_search_py. Jedním z výsledků této práce je úprava a využití modelu hluboké konvoluční neuronové sítě AlexNet v prostředí BVLC/Caffe. Model byl natrénován s přesností 51,75% pro klasifikaci do 1 000 tříd, následně byl upraven a natrénován pro klasifikaci do 20 tříd s přesnotí 75.50%. Přínosem práce je implementace grafického rozhraní pro detekci a klasifikaci objektů do tříd, jež je implementováno jako aplikace na bázi webového serveru v jazyce Python. Aplikace integruje výše zmíněné algoritmy detekce objektů s klasifikací pomocí BVLC/Caffe. Výslednou aplikaci lze použít jak pro detekci (a klasifikaci) objektů, tak pro rychlé ověření klasifikačních modelů prostředí BVLC/Caffe. Tato aplikace byla pro možnost rozšíření a dlašího využití zveřejněna na serveru GitHub pod licencí Apache 2.0.cs
dc.description.abstractThis thesis deals with image object detection and its classification into classes. Classification is provided by models of framework for deep learning BVLC/Caffe. Object detection is provided by AlpacaDB/selectivesearch and belltailjp/selective_search_py algorithms. One of results of this thesis is modification and usage of deep convolutional neural network AlexNet in BVLC/Caffe framework. This model was trained with precision 51,75% for classification into 1 000 classes. Then it was modified and trained for classification into 20 classes with precision 75.50%. Contribution of this thesis is implementation of graphical interface for object detction and their classification into classes, which is implemented as aplication based on web server in Python language. Aplication integrates object detection algorithms mentioned abowe with classification with help of BVLC/Caffe. Resulting aplication can be used for both object detection (and classification) and for fast verification of any classification model of BVLC/Caffe. This aplication was published on server GitHub under license Apache 2.0 so it can be further implemented and used.en
dc.description.markAcs
dc.identifier.citationHŘEBÍČEK, Z. Klasifikace obrazů s pomocí hlubokého učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2016.cs
dc.identifier.other93792cs
dc.identifier.urihttp://hdl.handle.net/11012/59008
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.subjectAlpacaDB/selectivesearchcs
dc.subjectbelltailjp/selective_search_pycs
dc.subjectBVLC/Caffecs
dc.subjectdetekce objektůcs
dc.subjecthluboké učenícs
dc.subjectklasifikace obrazůcs
dc.subjectkonvolucecs
dc.subjectkonvoluční sítěcs
dc.subjectneuronové sítěcs
dc.subjectstrojové učenícs
dc.subjectumělá inteligence.cs
dc.subjectAlpacaDB/selectivesearchen
dc.subjectArtificial inteligenceen
dc.subjectbelltailjp/selective_search_pyen
dc.subjectBVLC/Caffeen
dc.subjectconvolutionen
dc.subjectconvolutional networksen
dc.subjectdeep learningen
dc.subjectimage classificationen
dc.subjectmachine learningen
dc.subjectneural networksen
dc.subjectobject detection.en
dc.titleKlasifikace obrazů s pomocí hlubokého učenícs
dc.title.alternativeImage classification using deep learningen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2016-06-09cs
dcterms.modified2016-06-10-12:57:26cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid93792en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 13:22:31en
sync.item.modts2025.01.15 11:46:26en
thesis.disciplineTelekomunikační a informační technikacs
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:
4.06 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
27.53 KB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_93792.html
Size:
3.69 KB
Format:
Hypertext Markup Language
Description:
file review_93792.html
Download
Collections
2016