but.committee	doc. Ing. Martin Čadík, Ph.D. (předseda) doc. Ing. Jiří Jaroš, Ph.D. (místopředseda) Ing. Vladimír Bartík, Ph.D. (člen) Ing. David Bařina, Ph.D. (člen) Ing. Radek Kočí, 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 otázku 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 " C ". Otázky u obhajoby: V práci je zmíněno, že sítě typu YOLO jsou zvoleny primárně z důvodu své rychlosti. V práci jsou ale uvedené pouze časy běhu na CPU. Jak rychlé jsou sítě při běhu na GPU?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Teuer, Lukáš	cs
dc.contributor.author	Pitoňák, Radoslav	cs
dc.contributor.referee	Dobeš, Petr	cs
dc.date.created	2019	cs
dc.description.abstract	Táto práca sa zaoberá metódami použivanými na detekciu objektov ktoré používajú hlboké neurónové siete. Na začiatku sú popísané konvolučné neurónové siete a porovnané bežne používané metódy na detekciu objektov. V dalšej časti sa venuje návrhu a implementácii vybranej metódy natrénovanej na špecifickom datasete. Na konci tejto práce sú výsledky, ktoré tento model dosiahol diskutované a porovnané s výsledkami iných metód.	cs
dc.description.abstract	This thesis analyzes different object detection methods which are based on deep neural networks. In the beginning, the convolutional neural networks are described and commonly used object detection methods are compared. In the following parts, the proposal and implementation of the object detection model trained on the specific dataset are described. In conclusion, the achieved results of this model are discussed and compared with the results of other methods.	en
dc.description.mark	C	cs
dc.identifier.citation	PITOŇÁK, R. Deep Learning for Object Detection [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2019.	cs
dc.identifier.other	121827	cs
dc.identifier.uri	http://hdl.handle.net/11012/180085
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	Detekcia objektov	cs
dc.subject	hlboké neurónové siete	cs
dc.subject	konvolučné neurónové siete	cs
dc.subject	počítačové videnie	cs
dc.subject	BDD	cs
dc.subject	YOLO	cs
dc.subject	Object detection	en
dc.subject	deep neural networks	en
dc.subject	convolutional neural networks	en
dc.subject	computer vision	en
dc.subject	BDD	en
dc.subject	YOLO	en
dc.title	Deep Learning for Object Detection	cs
dc.title.alternative	Deep Learning for Object Detection	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2019-06-12	cs
dcterms.modified	2019-07-08-13:31:13	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	121827	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:09:22	en
sync.item.modts	2025.01.15 14:02:35	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

Deep Learning for Object Detection

Files

Original bundle

Collections