Re-identifikace graffiti tagů

Loading...
Thumbnail Image

Date

Authors

Pavlica, Jan

Mark

C

Journal Title

Journal ISSN

Volume Title

Publisher

Vysoké učení technické v Brně. Fakulta informačních technologií

ORCID

Abstract

Tato práce se zaměřuje na možnost využití současných metod na poli počítačového vidění  k re-identifikaci graffiti tagů. V práci je zkoumána možnost využití konvolučních neuronových sítí k re-identifikaci graffiti tagů, které jsou nejrozšířenějším typem graffiti. V rámci práce bylo experimentováno s různými modely konvolučních neuronových sítí z nichž nejvhodnější byl MobileNet s využitím triplet loss funkce, kdy se podařilo dosáhnout mAP 36.02%.
This thesis focuses on the possibility of using current methods in the field of computer vision to re-identify graffiti tags. The work examines the possibility of using convolutional neural networks to re-identify graffiti tags, which are the most common type of graffiti. The work experimented with various models of convolutional neural networks, the most suitable of which was MobileNet using the triplet loss function, which managed to achieve a mAP of 36.02%.

Description

Citation

PAVLICA, J. Re-identifikace graffiti tagů [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 systémy

Comittee

doc. Dr. Ing. Dušan Kolář (předseda) prof. Ing. Tomáš Hruška, CSc. (místopředseda) Ing. Vladimír Bartík, Ph.D. (člen) doc. Ing. Vladimír Janoušek, Ph.D. (člen) doc. Ing. Petr Matoušek, Ph.D., M.A. (člen) RNDr. Marek Rychlý, Ph.D. (člen)

Date of acceptance

2020-08-28

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: Jaký je rozdíl mezi architekturami ResNet a MobileNet? V čem to je, že s MobileNet lze v této úloze dosáhnout lepších výsledků? Při modifikaci (augmentaci) datové sady využíváte vcelku málo možností. Jaký je důvod, že jste nevyužil více možností, zejména když trpíte nedostatkem dat? Např. geometrické transformace (afinní, perspektivní) či jasové a barevné transformace (posun barev, kompresní šum, strukturální šum, nelineární korekce atd.). Jaký je přínos práce oproti bakalářské práci? Jak se liší zvolený přístup k identifikaci oprati přístupu použitým v pracím, na které tato práce navazuje?

Result of defence

práce byla úspěšně obhájena

DOI

Collections

Endorsement

Review

Supplemented By

Referenced By

Citace PRO