but.committee	prof. Dr. Ing. Jan Černocký (předseda) doc. Ing. Lukáš Burget, Ph.D. (místopředseda) Ing. Michal Hradiš, Ph.D. (člen) doc. Ing. Vladimír Janoušek, Ph.D. (člen) doc. Ing. Petr Sedlák, Ph.D. (člen) Ing. Aleš Smrčka, 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 dobře. Otázky u obhajoby: Jsou viditelné přechody mezi bloky při použití různých sítí v závislosti na váší sharpness metrice? Zvažoval jste použít různý počet bitů/iterací v závislosti na vaší sharpness metrice? Zvažoval jste použít variabilní počet iterací v závislosti na hodnotě MS-SSIM při enkodování?	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	Teuer, Lukáš	cs
dc.contributor.referee	Sochor, Jakub	cs
dc.date.created	2018	cs
dc.description.abstract	Tento dokument se zabývá kompresí obrazu za pomoci různých druhů neuronových sítí. Jsou zde probrány vlastnosti použitých druhů neuronových sítí, jako jsou konvoluční a rekurentní neuronové sítě. V dokumentu jsou ukázány a podrobně popsány architektury neuronových sítí, které se dají použit ke kompresi obrazu, a vysvětluje, jakým způsobem pracují. Dále jsou zde provedeny experimenty nad různými strukturami a parametry neuronových sítí za cílem najít nejvhodnější vlastnosti sítě pro kompresi obrazu. Navrhují se zde nové koncepty pro kompresi obrazu pomocí neuronových sítí, které jsou hned otestovány. Na závěr je zde navržena síť skládající se z nejlepších konceptů a částí otestovaných během experimentování.	cs
dc.description.abstract	This document describes image compression using different types of neural networks. Features of neural networks like convolutional and recurrent networks are also discussed here. The document contains detailed description of various neural network architectures and their inner workings. In addition, experiments are carried out on various neural network structures and parameters in order to find the most appropriate properties for image compression. Also, there are proposed new concepts for image compression using neural networks that are also immediately tested. Finally, a network of the best concepts and parts discovered during experimentation is designed.	en
dc.description.mark	C	cs
dc.identifier.citation	TEUER, L. Komprese obrazu pomocí neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2018.	cs
dc.identifier.other	114527	cs
dc.identifier.uri	http://hdl.handle.net/11012/84947
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	Komprese obrazu	cs
dc.subject	neuronové sítě	cs
dc.subject	konvoluční sítě	cs
dc.subject	rekurentní sítě	cs
dc.subject	Image compression	en
dc.subject	neural networks	en
dc.subject	convolutional networks	en
dc.subject	recurrent networks	en
dc.title	Komprese obrazu pomocí neuronových sítí	cs
dc.title.alternative	Image Compression with Neural Networks	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2018-06-20	cs
dcterms.modified	2020-05-10-16:11:46	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	114527	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.26 15:27:21	en
sync.item.modts	2025.01.15 16:23:52	en
thesis.discipline	Počítačová grafika a multimédia	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Komprese obrazu pomocí neuronových sítí

Files

Original bundle

Collections