but.committee	prof. Ing. Adam Herout, Ph.D. (předseda) doc. Mgr. Adam Rogalewicz, Ph.D. (místopředseda) doc. Ing. Michal Bidlo, Ph.D. (člen) doc. Ing. Martin Čadík, Ph.D. (člen) Ing. Zbyněk Křivka, Ph.D. (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 B. Otázky u obhajoby: Jak hodnotíte framework Darknet? Jaký je vztah rozlišení obrazu a úspěšnosti detekce značek různé velikosti? Jaká by mohla být vhodná architektura detektoru? Co znamená, že nejlepší chyba je 10 procent? Co je podle Vás největší přednost Vašeho přístupu k detekci SPZ?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Herout, Adam	cs
dc.contributor.author	Líbal, Tomáš	cs
dc.contributor.referee	Hradiš, Michal	cs
dc.date.created	2019	cs
dc.description.abstract	Tato práce se zabývá přípravou trénovací datové sady a trénováním konvoluční neuronové sítě pro detekci registrační značky vozidla ve videu. Pro detekce byla použita technologie Darknet, konkrétně model neuronové sítě YOLOv3-tiny. Řešení bylo zaměřeno na co nejpřesnější detekce a na co nejmenší počet falešných detekcí na obrázek, a tím dosáhnout co nejmenší celkové chyby modelu. Datová sada byla připravena z již existujících volně dostupných datových sad, z datové sady poskytnuté výzkumnou skupinou GRAPH@FIT a z vlastnoručně anotovaných obrázků vytvořených ze stažených videí ze serveru YouTube. Tato datová sada byla dále také zpracována pomocí augmentace dat, čímž byla rozšířena na dvojnásobnou velikost. Pro vytvoření anotací byl použit nástroj YOLO Mark. Pro vizualizaci chybovosti modelu byla použita ROC křivka. Vytvořené řešení dosahuje minimální celkové chyby 10,849%. Součástí řešení je i již zmiňovaná datová sada.	cs
dc.description.abstract	This thesis deals with preparation of training dataset and training of convolutional neural network for licence plate detection in video. Darknet technology was used for detection, specifically the YOLOv3-tiny neural network model. The solution was focused on the most accurate detection and the smallest number of false positives per image, thus minimizing overall model error. Dataset was prepared from existing freely available datasets, from the dataset provided by the GRAPH@FIT research group, and from self-annotated images created from downloaded YouTube videos. Furthermore, this dataset has been processed using data augmentation, extending it to twice the size. The YOLO Mark tool was used to create annotations. An ROC curve was used to visualize the detection success. Created solution reaches minimum total error 10,849%. Part of the solution is already mentioned dataset.	en
dc.description.mark	B	cs
dc.identifier.citation	LÍBAL, T. Detekce registrační značky vozidla ve videu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2019.	cs
dc.identifier.other	121868	cs
dc.identifier.uri	http://hdl.handle.net/11012/180101
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	Konvoluční neuronová síť	cs
dc.subject	CNN	cs
dc.subject	Hluboké učení	cs
dc.subject	Darknet	cs
dc.subject	YOLO	cs
dc.subject	YOLOv3	cs
dc.subject	YOLOv3-tiny	cs
dc.subject	detekce registračních značek	cs
dc.subject	detekce objektů	cs
dc.subject	ROC	cs
dc.subject	Convolutional neural network	en
dc.subject	CNN	en
dc.subject	Deep learning	en
dc.subject	Darknet	en
dc.subject	YOLO	en
dc.subject	YOLOv3	en
dc.subject	YOLOv3-tiny	en
dc.subject	licence plate detection	en
dc.subject	Object Detection	en
dc.subject	ROC	en
dc.title	Detekce registrační značky vozidla ve videu	cs
dc.title.alternative	Detection of Vehicle License Plates in Video	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2019-06-11	cs
dcterms.modified	2019-07-08-13:31:15	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	121868	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:09:38	en
sync.item.modts	2025.01.15 18:32:23	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

Detekce registrační značky vozidla ve videu

Files

Original bundle

Collections