Detekce ohně a kouře z obrazového signálu

Simple item page
but.committeeprof. Ing. Dan Komosný, Ph.D. (předseda) doc. Ing. Petr Mlýnek, Ph.D. (místopředseda) Ing. et Ing. Petr Musil (člen) doc. Ing. Petr Sysel, Ph.D. (člen) Ing. Pavel Záviška, Ph.D. (člen)cs
but.defenceStudent prezentoval výsledky své práce a komise byla seznámena s posudky. Student obhájil diplomovou práci s výhradami a odpověděl na otázky členů komise a oponenta. Otázky oponenta: Vysvětlete grafy na s. 67. -student dostatečně vysvětlil otázku Prokažte existenci vytvořeného datasetu. -student dostatečně vysvětlil otázkucs
but.jazykslovenština (Slovak)
but.programElektrotechnika, elektronika, komunikační a řídicí technikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorPřinosil, Jiřísk
dc.contributor.authorĎuriš, Denissk
dc.contributor.refereeBurda, Karelsk
dc.date.created2020cs
dc.description.abstractTáto diplomová práca sa zaoberá detekciou ohňa a dymu z obrazového signálu. Riešenie práce využíva kombináciu konvolučnej a rekurentnej neurónovej siete. Vo výsledných modeloch strojového učenia sú využité inception moduly a bloky dlhej krátkodobej pamäte. Teoretická časť opisuje vybrané modely strojového učenia používané pri riešení úlohy detekcie požiarov v statických a dynamických obrazových dátach. Súčasťou riešenia práce je tiež obrazová databáza obsahujúca videozáznamy a statické snímky využité na trénovanie navrhnutých neurónových sietí. V závere práce sú zhodnotené jej výsledky.sk
dc.description.abstractThis diploma thesis deals with the detection of fire and smoke from the image signal. The approach of this work uses a combination of convolutional and recurrent neural network. Machine learning models created in this work contain inception modules and blocks of long short-term memory. The research part describes selected models of machine learning used in solving the problem of fire detection in static and dynamic image data. As part of the solution, a data set containing videos and still images used to train the designed neural networks was created. The results of this approach are evaluated in conclusion.en
dc.description.markDcs
dc.identifier.citationĎURIŠ, D. Detekce ohně a kouře z obrazového signálu [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2020.cs
dc.identifier.other122878cs
dc.identifier.urihttp://hdl.handle.net/11012/189100
dc.language.isoskcs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectoheňsk
dc.subjectdymsk
dc.subjectdetekciask
dc.subjectvideosk
dc.subjectstrojové učeniesk
dc.subjectCNNsk
dc.subjectkonvolúciask
dc.subjectneurónová sieťsk
dc.subjectRNNsk
dc.subjectrekurentná neurónová sieťsk
dc.subjectLSTMsk
dc.subjectfireen
dc.subjectsmokeen
dc.subjectdetectionen
dc.subjectvideoen
dc.subjectmachine learningen
dc.subjectCNNen
dc.subjectconvolutionen
dc.subjectartificial neural networken
dc.subjectRNNen
dc.subjectrecurrent neural networken
dc.subjectLSTMen
dc.titleDetekce ohně a kouře z obrazového signálusk
dc.title.alternativeImage based smoke and fire detectionen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2020-06-16cs
dcterms.modified2020-09-07-08:37:19cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid122878en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 13:38:44en
sync.item.modts2025.01.15 13:45:31en
thesis.disciplineTelekomunikační a informační technikacs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav telekomunikacícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
2.33 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
9.1 KB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_122878.html
Size:
6.46 KB
Format:
Hypertext Markup Language
Description:
file review_122878.html
Download
Collections
2020