Detekce dopravních značek v reálném čase

Simple item page
but.committeedoc. Ing. Tomáš Frýza, Ph.D. (předseda) doc. Ing. Roman Šotner, Ph.D. (místopředseda) Ing. Tomáš Urbanec, Ph.D. (člen) prof. Ing. Pavel Fiala, Ph.D. (člen) Ing. Kamil Pítra, Ph.D. (člen)cs
but.defenceStudent prezentuje výsledky a postupy řešení své bakalářské práce. Následně odpovídá na dotazy vedoucího a oponenta práce a na dotazy členů zkušební komise: prof. Ing. Pavel Fiala Ph.D.: Zabýval jste se rozdělení stacionárního a pohyblivého značení? Student se nezabýval rozdělením, ale souhlasí s připomínkami. Ing. Kamil Pítra Ph.D.: Co znamená přetrénování neuronové sítě? Student správně odpovídá. doc. Ing. Tomáš Frýza Ph.D. Jaké je běžné rozdělení datasetu? Student popisuje rozdělení datasetů. Proč se používají konvoluční sítě? Student váhavě odpovídá.cs
but.jazykčeština (Czech)
but.programElektronika a komunikační technologiecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorBravenec, Tomášcs
dc.contributor.authorSicha, Marekcs
dc.contributor.refereePřinosil, Jiřícs
dc.date.accessioned2021-06-16T07:55:09Z
dc.date.available2021-06-16T07:55:09Z
dc.date.created2021cs
dc.description.abstractTato bakalářská práce se zabývá detekcí a klasifikací dopravních značek v obrazech a videosekvencích. Cílem práce je i možnost provádět detekci a klasifikaci na jednodeskovém počítači. Pro řešení problému byly vybrány neuronové sítě a programovací jazyk Python. Detekce a klasifikace objektu je řešena zvlášť, tudíž byly použity dvě neuronové sítě. Pro klasifikaci byla zvolena konvoluční neuronová síť a pro detekci byl zvolen detektor z rodiny EfficientDet. Celková architektura byla testována na jednodeskovém počítači Nvidia Jetson Nano.cs
dc.description.abstractThe bachelor's thesis focuses on the detection and classification of traffic signs in images and video sequences. The goal of the work is also the possibility to perform detection and classification on a single board computer. Neural networks and the Python programming language were chosen to solve the problem. Object detection and classification are solved separately, so two neural networks were used. A convolutional neural network was chosen for classification and a detector from the EfficientDet family was chosen for detection. The overall architecture was tested on a single board Nvidia Jetson Nano computer.en
dc.description.markAcs
dc.identifier.citationSICHA, M. Detekce dopravních značek v reálném čase [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.cs
dc.identifier.other133597cs
dc.identifier.urihttp://hdl.handle.net/11012/197950
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectDetekcecs
dc.subjectKlasifikacecs
dc.subjectNeuronové sítěcs
dc.subjectPythoncs
dc.subjectKonvoluční neuronové sítěcs
dc.subjectDopravní značkycs
dc.subjectEfficientDetcs
dc.subjectDetectionen
dc.subjectClassificationen
dc.subjectNeural networksen
dc.subjectPythonen
dc.subjectConvolution neural networksen
dc.subjectTraffic signsen
dc.subjectEfficientDeten
dc.titleDetekce dopravních značek v reálném časecs
dc.title.alternativeTraffic sign detection in real timeen
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2021-06-15cs
dcterms.modified2021-06-17-13:28:32cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid133597en
sync.item.dbtypeZPen
sync.item.insts2021.11.12 11:00:35en
sync.item.modts2021.11.12 10:41:38en
thesis.disciplinebez specializacecs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav radioelektronikycs
thesis.levelBakalářskýcs
thesis.nameBc.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
9.25 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
7.69 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_133597.html
Size:
5.17 KB
Format:
Hypertext Markup Language
Description:
review_133597.html
Download
Collections
2021