Metody hlubokého učení pro zpracování obrazů
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Tato diplomová práce se zabývá metodami hlubokého učení pro rozpoznávání obrazů přes historii po vývoj moderních metod. Hlavní důraz je kladen na konvoluční neuronové sítě a na nich postavené modely určené pro klasifikaci, detekci a segmentaci obrazu. Metody jsou následně využity pro praktickou aplikaci počítání projíždějících automobilů na snímcích z dopravní kamery. Po otestování dostupných modelů byla použita architektura sítě YOLOv2, která byla přetrénována na vlastní sadě trénováních dat. Součástí aplikace je i přidání sledovacího algoritmu SORT.
This master‘s thesis deals with the Deep Learning methods for image recognition tasks from the first methods to the modern ones. The main focus is on convolutional neural nets based models for classification, detection and image segmentation. These methods are used for practical implemetation – counting passing cars on video from traffic camera. After several test of available models, the YOLOv2 architecture was chosen and retrained on own dataset. The application also includes the addition of the SORT tracking algorithm.
This master‘s thesis deals with the Deep Learning methods for image recognition tasks from the first methods to the modern ones. The main focus is on convolutional neural nets based models for classification, detection and image segmentation. These methods are used for practical implemetation – counting passing cars on video from traffic camera. After several test of available models, the YOLOv2 architecture was chosen and retrained on own dataset. The application also includes the addition of the SORT tracking algorithm.
Description
Citation
KŘENEK, J. Metody hlubokého učení pro zpracování obrazů [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2017.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Biomedicínské a ekologické inženýrství
Comittee
doc. Ing. Jiří Kozumplík, CSc. (předseda)
doc. Ing. Daniel Schwarz, Ph.D. (místopředseda)
Ing. Vratislav Harabiš, Ph.D. (člen)
Ing. Jiří Sekora (člen)
MUDr. Šárka Sekorová (člen)
Ing. Martin Mézl, Ph.D. (člen)
Date of acceptance
2017-08-31
Defence
Student prezentoval výsledky své práce a komise byla seznámena s posudky. Student objasnil, že schéma sítě a její nastavení je na přiloženém CD.
Doc. Schwarz položil otázku Konvoluční sítě jste použil z vlastní iniciativy, nebo to bylo dáno zadáním? Používal jste Python? Sledujete chybovou funkci, ale na jejím základě se nerozhodujete, k čemu ji tedy používáte?
Ing. Sekora položil otázku Do jaké rychlosti jste schopen detekovat auto?
Student obhájil diplomovou práci a odpověděl na otázky členů komise a oponenta.
Result of defence
práce byla úspěšně obhájena
Document licence
Přístup k plnému textu prostřednictvím internetu byl licenční smlouvou omezen na dobu 3 roku/let