Pokročilá analýza obrazu využitím hlubokých neuronových sítí

Loading...
Thumbnail Image
Date
ORCID
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Tato bakalářská práce se zabývá problematikou detekce objektů v obraze s využitím konvoluční neuronové sítě. Výsledkem této práce je vlastní datová sada, model neuronové sítě YOLOv4 a skript sloužící pro zpracování výsledných dat modelu. Datová sada obsahuje 8080 snímků, na kterých je anotováno 14 objektů. Modelu neuronové sítě byla zmenšena jeho hloubka, díky které významně vzrostla rychlost samotné detekce. Skript zpracovávající výsledná data vypočítává 3D a GPS souřadnice detekovaného objektu v prostoru. V závěru práce jsou shrnuty výsledky modelu a současně je uvedeno, jakým způsobem by mohlo dojít ke zlepšení kvality datové sady.
This bachelor thesis deals with the problem of object detection in images using a convolutional neural network. The result of this work is a custom dataset, a neural network model YOLOv4 and a script used to process the resulting model data. The dataset contains 8080 images on which 14 objects are annotated. The neural network model was reduced in depth, which significantly increased the speed of the detection itself. The script processing the resulting data calculates the 3D and GPS coordinates of the detected object in space. The paper concludes by summarizing the results of the model and at the same time suggesting how the quality of the dataset could be improved.
Description
Citation
HYNEK, V. Pokročilá analýza obrazu využitím hlubokých neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2022.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
bez specializace
Comittee
prof. Ing. Dan Komosný, Ph.D. (předseda) Ing. Petr Dzurenda, Ph.D. (místopředseda) Ing. Ondřej Pospíšil (člen) Ing. Tomáš Lieskovan (člen) JUDr. Ing. František Kasl, Ph.D. (člen) Ing. Jaroslav Vrána, Ph.D. (člen)
Date of acceptance
2022-06-14
Defence
Student prezentoval výsledky své práce a komise byla seznámena s posudky. Otázky oponenta: Můžete uvést jaké jiné CNN architektury se v současnosti používají pro detekci objektů a proč byla pro práci vybrána právě architektura YOLO? Považujete dosažené výsledky vámi modifikované sítě ku výsledkům s původní architekturou za dobré? Otázky komise: Anotoval jste snímky sám? Proč nejsou zahrnuty ostatní metriky matice záměn? V jakém prostředí jste programoval vaše řešení? Student obhájil bakalářskou práci a odpověděl na otázky členů komise a oponenta.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení
DOI
Collections
Citace PRO