Detekce výskytu objektů ve videozáznamu

Loading...
Thumbnail Image

Date

Authors

Šamánek, Jan

Mark

E

Journal Title

Journal ISSN

Volume Title

Publisher

Vysoké učení technické v Brně. Fakulta informačních technologií

ORCID

Abstract

Tato bakalářská práce se zabývá detekcí objektů ve videozáznamu, především pomocí konvolučních neuronových sítí a implementace jednoduchého uživatelského rozhraní, které dovolí uživateli vybírání mezi klasifikátory a jejich využití pro analýzu videa a jejich trénování na vlastním datasetu. První část je dedikovaná popisu strojového učení a neuronových sítí. Poté následuje část pro popis segmentace a klasifikace obrazu pomocí algoritmů strojového učení a předzpracování dat pro trénování modelů. Poslední je praktická část, která popisuje návrh vytvořeného modelu, uživatelského rozhraní a dosažených výsledků.
This bachelor thesis deals with detection of objects in videos by using primarily convolution neural networks and creating simple user interface, which allows user to choose classification model and use it to analyze video or train given model on own dataset. First part is dedicated to description of machine learning and neural networks. After that follows the section about image description and image classification using machine learning algorithms and data augmentation. Last part deals with describtion of own design of  neural network and user interface and describing achieved results.

Description

Citation

ŠAMÁNEK, J. Detekce výskytu objektů ve videozáznamu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.

Document type

Document version

Date of access to the full text

Language of document

cs

Study field

Informační technologie

Comittee

prof. Ing. Tomáš Vojnar, Ph.D. (předseda) doc. Mgr. Adam Rogalewicz, Ph.D. (místopředseda) Ing. Lukáš Kekely, Ph.D. (člen) Ing. Zbyněk Křivka, Ph.D. (člen) doc. Ing. Michal Španěl, Ph.D. (člen)

Date of acceptance

2020-07-10

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 E. Otázky u obhajoby: Vysvětlete, jaké objekty vaše řešení detekuje a v čem ta "detekce" spočívá. Z textu to není jednoznačně zřejmé a já si pod pojmem "detekce objektů" představuji něco jiného. Jaké jsou vstupy pro trénování sítě (například formát, velikost, poloha objektu, značka třídy objektu)? V čem konkrétně se liší vámi navržená síť od původní VGG-net? Která síť v uvedených grafech je vámi vytvořená (například tabulka 5.1 uvádí pojem "vlastní model" v ostatních grafech nic takového není)? Co znamená "přesnost" a "poměr správně označených snímků" v grafech z matematického hlediska?

Result of defence

práce byla úspěšně obhájena

DOI

Collections

Endorsement

Review

Supplemented By

Referenced By

Citace PRO