but.committee	prof. Ing. Adam Herout, Ph.D. (předseda) doc. Ing. Vladimír Drábek, CSc. (místopředseda) doc. RNDr. Milan Češka, Ph.D. (člen) doc. RNDr. Dana Hliněná, Ph.D. (člen) RNDr. Marek Rychlý, Ph.D. (člen)	cs
but.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 A.	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Hradiš, Michal	cs
dc.contributor.author	Stratil, Jan	cs
dc.contributor.referee	Sochor, Jakub	cs
dc.date.created	2017	cs
dc.description.abstract	Tato bakalářská práce se zabývá rozpoznáváním tváří ve videu pomocí hlubokých neuronových sítí. Tato úloha je rozdělena na 2 části. První část se zabývá trénováním sítě, která vytváří kompaktní příznakový vektor reprezentující identitu tváře ze snímku videa. Druhá část se zabývá trénováním agregační sítě, která vytvořené příznakové vektory agreguje v jeden. Tato agregace je rychlá a ukázala se být lepší než pooling metody. Výsledky jsou testovány na datasetu LFW , kde dosažená přesnost je 92.8% a na datasetu YTF , kde přesnost je 84.06%.	cs
dc.description.abstract	This bachelor's thesis deals with facial recognition in video using deep neural networks. This task is split into 2 parts. The first part deals with training network that produces compact feature vector which represents the face identity from a video frame. The second part deals with training aggregation network that aggregates those feature vectors into one. This aggregation is fast and it has shown that its results are better than naive pooling methods. Results are tested on the LFW dataset, where it achieves 92.8% accuracy and on the YTF dataset, where the accuracy is 84.06%.	en
dc.description.mark	A	cs
dc.identifier.citation	STRATIL, J. Hluboké neuronové sítě pro rozpoznání tváří ve videu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2017.	cs
dc.identifier.other	106289	cs
dc.identifier.uri	http://hdl.handle.net/11012/69856
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	Rozpoznávání tváří	cs
dc.subject	hluboké neuronové sítě	cs
dc.subject	konvoluční neuronové sítě	cs
dc.subject	strojové učení	cs
dc.subject	příznakový vektor	cs
dc.subject	agregace	cs
dc.subject	Facial recognition	en
dc.subject	deep neural networks	en
dc.subject	convolutional neural networks	en
dc.subject	machine learning	en
dc.subject	feature vektor	en
dc.subject	aggregation	en
dc.title	Hluboké neuronové sítě pro rozpoznání tváří ve videu	cs
dc.title.alternative	Deep Learning for Facial Recognition in Video	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2017-06-12	cs
dcterms.modified	2020-05-10-16:12:57	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	106289	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:03:24	en
sync.item.modts	2025.01.15 22:33:29	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Hluboké neuronové sítě pro rozpoznání tváří ve videu

Files

Original bundle

Collections