Analýza dopravního provozu s využitím strojového učení

Simple item page
but.committeeprof. Ing. Roman Maršálek, Ph.D. (předseda) doc. Ing. Lucie Hudcová, Ph.D. (místopředseda) prof. Ing. Václav Říčný, CSc. (člen) prof. Mgr. Petr Páta, Ph.D. (člen) Ing. Václav Růžek, Ph.D. (člen)cs
but.defenceStudent práci neobhájil na základě nízkého bodového hodnocení u obou posudků. Vedoucí i oponent našli v práci neodcitované části kódu, který se tím pádem jeví jako částečný plagiát. Jinak je práce na velmi vysoké úrovni a bylo doporučeno závážné nedostatky odstranit. Dále student nevypracoval v plném rozsahu praktickou část na detekci pohybu objektů. Student odpovědel na všechny oponentovy otázky vcelku kladně. Další otázka. Co to je mAP? Student to dokázal vysvětlit. Student dostal otázku na rozdíl mezi připojením přes ETH a LTE modem. Toto student plně nedokázal vysvětlit.cs
but.jazykangličtina (English)
but.programElektronika a komunikační technologiecs
but.resultpráce nebyla úspěšně obhájenacs
dc.contributor.advisorFrýza, Tomášen
dc.contributor.authorZelený, Ondřejen
dc.contributor.refereeSlanina, Martinen
dc.date.created2022cs
dc.description.abstractTato práce přibližuje problematiku detekce objektů a jejich klasifikace pro uplatnění k analýze dopravy. V teoretické části přibližuji několik metod a technik pro detekci a klasifikaci objektů. Dále zde představuji nejpoužívanější platformy a programovací jazyky pro implementaci konvolučních neuronových sítí.. V praktické části se pak zabývám implementací vybraného modelu a výběrem hardware pro realizaci systému.en
dc.description.abstractThe aim of this semestral thesis is to investigate the problematic of object detection and clasification for traffic analysis. The theoretical part of the paper takes insight on numerous methods and techniques of object detection and clasification. Further the paper discuses popular frameworks and programming languages for implementation of convolutional neural networks. The practical part shows implementation of chosen model and hardware selection for real system.cs
dc.description.markDcs
dc.identifier.citationZELENÝ, O. Analýza dopravního provozu s využitím strojového učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2022.cs
dc.identifier.other141556cs
dc.identifier.urihttp://hdl.handle.net/11012/204790
dc.language.isoencs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectHluboké učeníen
dc.subjectučení s učitelemen
dc.subjectpočítačové viděníen
dc.subjectdetekce objektůen
dc.subjectklasifikaace objektůen
dc.subjectpythonen
dc.subjectpytorchen
dc.subjectkonvoluční neuronové sítěen
dc.subjectDeep learningcs
dc.subjectsupervised learningcs
dc.subjectcomputer visioncs
dc.subjectobject detectioncs
dc.subjectobject klasification pythoncs
dc.subjectpytorchcs
dc.subjectconvolutional neural networkscs
dc.titleAnalýza dopravního provozu s využitím strojového učeníen
dc.title.alternativeTraffic analysis using on machine learningcs
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2022-06-07cs
dcterms.modified2022-09-01-18:46:19cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid141556en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 14:30:05en
sync.item.modts2025.01.17 11:51:55en
thesis.disciplinebez specializacecs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav radioelektronikycs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
6.59 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
42.04 KB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_141556.html
Size:
8.19 KB
Format:
Hypertext Markup Language
Description:
file review_141556.html
Download
Collections
2022