but.committee	prof. Dr. Ing. Pavel Zemčík, dr. h. c. (předseda) doc. Ing. Lukáš Burget, Ph.D. (místopředseda) doc. Mgr. Lukáš Holík, Ph.D. (člen) doc. Ing. Tomáš Martínek, Ph.D. (člen) doc. Ing. Petr Matoušek, Ph.D., M.A. (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 C. Otázky u obhajoby: Dává opravdu smysl pracovat s kategoriemi vozidel jako s objekty různého typu? Proč? Jak by bylo možné úlohu realizovat jiným způsobem? Z uvedených experimentů nelze jednoduše zjistit kolik vozidel v provozu skutečně správně zachytíte (detekujete, aniž by vás zajímala kategorie). Jaká je precision-recall charakteristika vašich detekčních modelů? Jaká je chyba klasifikace a matice záměn vašich klasifikátorů? Zde mě zajímají hodnoty pro všechny správně detekovaná vozidla (bez těžkých instancí). Toto v experimentech chybí.	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Špaňhel, Jakub	cs
dc.contributor.author	Rozprým, Dalimil	cs
dc.contributor.referee	Juránek, Roman	cs
dc.date.created	2021	cs
dc.description.abstract	Cílem této práce je porovnání dostupných vícetřídních detektorů při detekci silničních vozidel na vhodně vytvořené datové sadě. Jako vícetřídní detektory byly vybrány neuronové sítě určené k detekci a klasifikaci objektů v obraze. Experimentováno je s detektory Mask R-CNN, YOLOv4 a YOLACT++, které jsou v práci popsány. Výběr detektorů zastupuje různé architektury a přístupy k detekci. Pro účely učení a testování je v práci detailně popsána vytvořená datová sada a její parametry. Detekce je testována na obraze z běžného silničního provozu a samostatně na částečně překrytých objektech. Výsledkem práce je znovupoužitelná a rozšířitelné datová sada, naměřené výsledky dosažené při detekci a jejich hlubší rozbor.	cs
dc.description.abstract	The goal of this thesis is comparison of available multiclass detectors abilities to detect road vehicles on purposely created dataset. As multiclass detectors are chosen neural networks for detection and classification of objects in image. Detectors described in this text and used for experimentation are Mask R-CNN, YOLOv4 and YOLACT++. This selection encompasses multiple different architectures and approaches to object detection. Created dataset used for learning and testing is thoroughly described in this text. Detection capability of detectors is tested on images from casual traffic and separately on partially covered objects. The outcome of this thesis is reusable and expandable dataset, measured performance values and their deeper exploration in this text.	en
dc.description.mark	C	cs
dc.identifier.citation	ROZPRÝM, D. Detekce dopravních prostředků v obraze a videu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2021.	cs
dc.identifier.other	136608	cs
dc.identifier.uri	http://hdl.handle.net/11012/199495
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	detekce objektů	cs
dc.subject	hluboké učení	cs
dc.subject	konvoluční neuronové sítě	cs
dc.subject	Mask R-CNN	cs
dc.subject	YOLOv4	cs
dc.subject	YOLACT++	cs
dc.subject	střední průměrná přesnost	cs
dc.subject	object detection	en
dc.subject	deep learning	en
dc.subject	convolutional neural networks	en
dc.subject	Mask R-CNN	en
dc.subject	YOLOv4	en
dc.subject	YOLACT++	en
dc.subject	mean average precision	en
dc.title	Detekce dopravních prostředků v obraze a videu	cs
dc.title.alternative	Vehicle Detection in Image and Video	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2021-06-14	cs
dcterms.modified	2021-06-19-12:15:44	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	136608	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:38:14	en
sync.item.modts	2025.01.15 14:14:25	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

Detekce dopravních prostředků v obraze a videu

Files

Original bundle

Collections