Detekce dopravních značek pomocí metod strojového učení

Simple item page
but.committeeprof. Ing. Václav Hlaváč, CSc. (předseda) prof. Ing. František Šolc, CSc. (místopředseda) Ing. Karel Horák, Ph.D. (člen) Ing. Jiří Fialka, Ph.D. (člen) Ing. František Burian, Ph.D. (člen) Ing. Libor Veselý, Ph.D. (člen)cs
but.defenceStudent obhájil bakalářskou práci s výhradami.cs
but.jazykčeština (Czech)
but.programElektrotechnika, elektronika, komunikační a řídicí technikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorHorák, Karelcs
dc.contributor.authorZakarovský, Matúšcs
dc.contributor.refereeRichter, Miloslavcs
dc.date.accessioned2019-04-03T22:51:21Z
dc.date.available2019-04-03T22:51:21Z
dc.date.created2018cs
dc.description.abstractTáto práca skúma metódy rozpoznávania dopravných značiek. Implementovaný prístup využíval strojové učenie založené na konvolučných neurónových sieťach. V rámci tejto práce bola zistená závislosť úspešnosti neurónovej siete od počtu konvolučných vrstiev.Výsledná neurónová sieť bola testovaná na datasete GTSRB a na datasete vytvoreným autorom.cs
dc.description.abstractThis thesis researches methods of traffic sign recognition using various approaches. Technique based on machine learning utilizing convolutional neural networks was selected forfurther implementation. Influence of number of convolutional layers on neural network’s performance is studied. The resulting network is tested on German Traffic Sign Recognition Benchmark and author’s dataset.en
dc.description.markEcs
dc.identifier.citationZAKAROVSKÝ, M. Detekce dopravních značek pomocí metod strojového učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2018.cs
dc.identifier.other111119cs
dc.identifier.urihttp://hdl.handle.net/11012/82153
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectDopravná značkacs
dc.subjectDetekcia a rozpoznávanie dopravných značiekcs
dc.subjectStrojové učeniecs
dc.subjectKonvolučné neurónové sietecs
dc.subjectCNNcs
dc.subjectTraffic Signen
dc.subjectTraffic Sign Detection and Recognitionen
dc.subjectMachine Learningen
dc.subjectConvolutional Neural Networksen
dc.subjectCNNen
dc.titleDetekce dopravních značek pomocí metod strojového učenícs
dc.title.alternativeTraffic Signs Recognition by Means of Machine Learning Approachen
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2018-06-13cs
dcterms.modified2018-06-14-07:40:22cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid111119en
sync.item.dbtypeZPen
sync.item.insts2021.11.10 14:55:42en
sync.item.modts2021.11.10 13:58:32en
thesis.disciplineAutomatizační a měřicí technikacs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav automatizace a měřicí technikycs
thesis.levelBakalářskýcs
thesis.nameBc.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
3.52 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
2.5 KB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_111119.html
Size:
8.66 KB
Format:
Hypertext Markup Language
Description:
review_111119.html
Download
Collections
2018