but.committee	doc. RNDr. Pavel Smrž, Ph.D. (předseda) doc. Ing. Vladimír Drábek, CSc. (místopředseda) doc. Ing. Vítězslav Beran, Ph.D. (člen) Ing. Filip Orság, Ph.D. (člen) doc. Ing. Ondřej Ryšavý, 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 D. Otázky u obhajoby: Prezentujte, které části frameworku Caffe a jak jste v rámci bakalářské práce modifikoval? Vysvětlete jakým způsobem jste vyhodnocoval 'best achieved accuracy' na testovací sadě Cifar-10 s klasifikací do 10 kategorií? Proč jste zvolil parametry momentum 0.9 a weight decay 0.004? Experimentoval jste i s jinou architekturou sítě?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Hradiš, Michal	cs
dc.contributor.author	Kozel, Michal	cs
dc.contributor.referee	Španěl, Michal	cs
dc.date.created	2015	cs
dc.description.abstract	Neuronové sítě momentálně dosahují nejlepších výsledků při rozeznávání řeči, obrazu a i dalších klasifikačních úloh. Tato práce popisuje základní prvky a vlastnosti neuronových sítí a způsob jejich učení. Cílem této práce bylo rozšířit Caffe framework o nové metody učení a porovnat jejich výsledky pomocí experimentů na datasetu Cifar-10. Konkrétně RMSPROP a normalizovaný SGD	cs
dc.description.abstract	Neural networks are currently state-of-the-art technology for speech, image and other recognition tasks. This thesis describes basis properties of neural networks and their learning. The aim of this thesis was to extend Caffe framework with new learning methods and compare their performance on Cifar10 dataset. Namely RMSPROP and normalized SGD	en
dc.description.mark	D	cs
dc.identifier.citation	KOZEL, M. Hluboké neuronové sítě v rozpoznávání obrazu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2015.	cs
dc.identifier.other	88566	cs
dc.identifier.uri	http://hdl.handle.net/11012/52486
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	neuronové sítě	cs
dc.subject	hluboké učení	cs
dc.subject	konvoluční neuronové sítě	cs
dc.subject	rozpoznávání obrazu	cs
dc.subject	Cifar-10	cs
dc.subject	RMSPROP	cs
dc.subject	normalizovaný SGD	cs
dc.subject	Neural networks	en
dc.subject	deep learning	en
dc.subject	convolutional neural networks	en
dc.subject	image recognition	en
dc.subject	Cifar-10	en
dc.subject	RMSPROP	en
dc.subject	normalized SGD	en
dc.title	Hluboké neuronové sítě v rozpoznávání obrazu	cs
dc.title.alternative	Deep Learning for Image Recognition	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2015-06-15	cs
dcterms.modified	2020-05-10-16:11:56	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	88566	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 18:51:18	en
sync.item.modts	2025.01.17 13:27:51	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

Hluboké neuronové sítě v rozpoznávání obrazu

Files

Original bundle

Collections