but.committee	doc. Ing. František Zbořil, Ph.D. (předseda) doc. Ing. Lukáš Burget, Ph.D. (místopředseda) doc. Ing. Vladimír Drábek, CSc. (člen) Ing. Matěj Grégr, Ph.D. (člen) Dr. Ing. Petr Peringer (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: Jakým způsobem se učila původní neuronová síť v pixelech s chybějící anotací vozovka/pozadí (před použitím váhované cross entropie) Jaký vliv na gradient chybové funkce má volba agregace chybové funkce přes sumu a průměrování (viz experiment 7.5)? Souvisí nějak s hodnotou learning rate optimalizačního algoritmu? Jak se liší konvoluční neuronová sít od klasické neuronové sítě? Jaký je důvod popularity konvolučních neuronových síti?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Veľas, Martin	cs
dc.contributor.author	Zelenák, Michal	cs
dc.contributor.referee	Kodym, Oldřich	cs
dc.date.created	2020	cs
dc.description.abstract	Táto práca je zameraná na segmentáciu vozovky v laserových skenoch, pomocou konvolučnej neurónovej siete. Pre riešenie uvedeného problému, ktorý nájde uplatnenia v oblastiach údržby vozovky, boli použité konvolučné neurónové siete pre ich flexibilitu a rýchlosť. Práca prináša implementáciu a modifikácie existujúcej metódy, ktorá daný problém rieši pomocou plne prepojenej konvolučej neurónovej siete. Týmito modifikáciami sú napríklad použitie rôznych parametrov pre chybovú funkciu, použitie iného počtu tried v modeli a datasete. Vplyv modifikácií bol experimentálne overený a bola dosiahnutá presnosť 96.12%, a hodnota F-measure 95.02%.	cs
dc.description.abstract	This work is focused on road segmentation in laser scans, using a convolutional neural network. To achieve this goal, which will find application in the field of road maintenance, convolutional neural networks have been used for their flexibility and speed. The work brings implementation and modifications of the existing method, which solves the problem by using a fully connected convolutional neural network. Used modifications include, for example using of various parameters for the loss function, the use of a different number of classes in the network model and dataset. The effect of the modification was experimentally verified and the accuracy of 96.12%, and the value for F-measure 95.02% were achieved.	en
dc.description.mark	B	cs
dc.identifier.citation	ZELENÁK, M. Detekce objektů v laserových skenech pomocí konvolučních neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.	cs
dc.identifier.other	129832	cs
dc.identifier.uri	http://hdl.handle.net/11012/194919
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	neurónová sieť	cs
dc.subject	konvolučná neurónová sieť	cs
dc.subject	LiDAR	cs
dc.subject	cesta	cs
dc.subject	vozovka	cs
dc.subject	Velodyne	cs
dc.subject	KITTI	cs
dc.subject	PyTorch	cs
dc.subject	segmentácia	cs
dc.subject	neural network	en
dc.subject	Convolutional neural network	en
dc.subject	LiDAR	en
dc.subject	road	en
dc.subject	roadway	en
dc.subject	Velodyne	en
dc.subject	KITTI	en
dc.subject	PyTorch	en
dc.subject	segmentation	en
dc.title	Detekce objektů v laserových skenech pomocí konvolučních neuronových sítí	cs
dc.title.alternative	Object Detection in the Laser Scans Using Convolutional Neural Networks	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2020-08-25	cs
dcterms.modified	2020-08-27-21:21:47	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	129832	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:32:31	en
sync.item.modts	2025.01.15 13:37:46	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 objektů v laserových skenech pomocí konvolučních neuronových sítí

Files

Original bundle

Collections