Detekce poškození povrchu materiálu z fotografie

Simple item page
but.committeedoc. Ing. Martin Čadík, Ph.D. (předseda) doc. Ing. Radek Burget, Ph.D. (člen) Ing. Vojtěch Mrázek, Ph.D. (člen) Ing. David Bařina, Ph.D. (člen) Ing. Jaroslav Rozman, Ph.D. (člen)cs
but.defenceStudent nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Oponent hodnotil práci stupněm 4F, protože hodnocení probíhalo pouze na datech z trénovacího datasetu. Kromě toho není možno replikovat či ověřit prezentované výsledky. Student nedokázal vyvrátit výtky oponenta. Komise shledala nedostatky práce natolik závažné, že se práci rozhodla hodnotit jako nevyhovující.cs
but.jazykslovenština (Slovak)
but.programInformační technologiecs
but.resultpráce nebyla úspěšně obhájenacs
dc.contributor.advisorDyk, Tomášsk
dc.contributor.authorValko, Mareksk
dc.contributor.refereeMalaník, Petrsk
dc.date.accessioned2024-06-14T03:48:46Z
dc.date.available2024-06-14T03:48:46Z
dc.date.created2023cs
dc.description.abstractTáto záverečná práca sa zameriava na detekciu povrchových poškodení materiálu z fotografie s využitím techník počítačového videnia, konvolučných neurónových sietí a modelov pre detekciu objektov ako Faster R-CNN a YOLOv8. V práci sú podrobne popísané jednotlivé metódy detekcie povrchových poškodení, spracovanie obrazu, neurónové siete a strojové učenie. Práca porovnáva výkonnosť týchto modelov pri identifikácii povrchových poškodení na dreve a oceli s využitím rôznych augmentácií týchto dátových sád.sk
dc.description.abstractThis thesis focuses on the detection of surface defects from photograph using computer vision techniques, convolutional neural networks and models for object detection such as Faster R-CNN and YOLO. Different methods of surface damage detection, image processing, neural networks and machine learning are described in detail. The thesis also compares the performance of these models in identification of surface defects on wood and steel using different augmentations of these datasets.en
dc.description.markCcs
dc.identifier.citationVALKO, M. Detekce poškození povrchu materiálu z fotografie [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.cs
dc.identifier.other146476cs
dc.identifier.urihttps://hdl.handle.net/11012/247804
dc.language.isoskcs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectdetekcia poškodenísk
dc.subjectyolov8sk
dc.subjectfaster rcnnsk
dc.subjectpočítačové videniesk
dc.subjectautomatická kontrola kvalitysk
dc.subjectstrojové učeniesk
dc.subjectkonvolučné neurónové sietesk
dc.subjectextraktory príznakovsk
dc.subjectdamage detectionen
dc.subjectyolov8en
dc.subjectfaster rcnnen
dc.subjectcomputer visionen
dc.subjectautomatic quality controlen
dc.subjectmachine learningen
dc.subjectconvolutional neural networksen
dc.subjectfeature extractorsen
dc.titleDetekce poškození povrchu materiálu z fotografiesk
dc.title.alternativeDetection of Material Surface Damage Based on a Photographen
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2023-06-15cs
dcterms.modified2024-06-13-15:44:29cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid146476en
sync.item.dbtypeZPen
sync.item.insts2024.06.14 05:48:46en
sync.item.modts2024.06.14 05:12:42en
thesis.disciplineInformační technologiecs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémůcs
thesis.levelBakalářskýcs
thesis.nameBc.cs
Files
Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
final-thesis.pdf
Size:
4.21 MB
Format:
Adobe Portable Document Format
Description:
file final-thesis.pdf
Download
Thumbnail Image
Name:
review_146476.html
Size:
11.35 KB
Format:
Hypertext Markup Language
Description:
file review_146476.html
Download
Collections
2023