Metody hlubokého učení pro zpracování obrazů
| but.committee | 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) | cs |
| but.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. | cs |
| but.jazyk | čeština (Czech) | |
| but.program | Elektrotechnika, elektronika, komunikační a řídicí technika | cs |
| but.result | práce byla úspěšně obhájena | cs |
| dc.contributor.advisor | Kolář, Radim | cs |
| dc.contributor.author | Křenek, Jakub | cs |
| dc.contributor.referee | Chmelík, Jiří | cs |
| dc.date.accessioned | 2020-08-31T11:59:25Z | |
| dc.date.available | 2020-08-31 | cs |
| dc.date.created | 2017 | cs |
| dc.description.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. | cs |
| dc.description.abstract | 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. | en |
| dc.description.mark | A | cs |
| dc.identifier.citation | KŘENEK, J. Metody hlubokého učení pro zpracování obrazů [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2017. | cs |
| dc.identifier.other | 102390 | cs |
| dc.identifier.uri | http://hdl.handle.net/11012/69401 | |
| dc.language.iso | cs | cs |
| dc.publisher | Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií | cs |
| dc.rights | Přístup k plnému textu prostřednictvím internetu byl licenční smlouvou omezen na dobu 3 roku/let | cs |
| dc.subject | Umělé neuronové sítě | cs |
| dc.subject | hluboké učení | cs |
| dc.subject | Tensorflow | cs |
| dc.subject | konvoluční neuronové sítě | cs |
| dc.subject | rozpoznávání obrazů | cs |
| dc.subject | detekce a sledování objektů | cs |
| dc.subject | Artificial neural networks | en |
| dc.subject | Deep Learning | en |
| dc.subject | Tensorflow | en |
| dc.subject | convolutinal neural nets | en |
| dc.subject | image recognition | en |
| dc.subject | object detection and tracking | en |
| dc.title | Metody hlubokého učení pro zpracování obrazů | cs |
| dc.title.alternative | Deep learning methods for image processing | en |
| dc.type | Text | cs |
| dc.type.driver | masterThesis | en |
| dc.type.evskp | diplomová práce | cs |
| dcterms.dateAccepted | 2017-08-31 | cs |
| dcterms.modified | 2017-09-01-09:13:57 | cs |
| eprints.affiliatedInstitution.faculty | Fakulta elektrotechniky a komunikačních technologií | cs |
| sync.item.dbid | 102390 | en |
| sync.item.dbtype | ZP | en |
| sync.item.insts | 2021.11.12 17:13:44 | en |
| sync.item.modts | 2021.11.12 15:58:11 | en |
| thesis.discipline | Biomedicínské a ekologické inženýrství | cs |
| thesis.grantor | Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav biomedicínského inženýrství | cs |
| thesis.level | Inženýrský | cs |
| thesis.name | Ing. | cs |