Rozpoznávání druhu jídla s pomocí hlubokých neuronových sítí

Simple item page
but.committeedoc. Ing. Vladislav Škorpil, CSc. (předseda) doc. Ing. Radim Burget, Ph.D. (místopředseda) Ing. Vojtěch Myška, Ph.D. (člen) doc. Ing. Jiří Schimmel, Ph.D. (člen) Ing. David Grenar, Ph.D. (člen) Ing. Marek Sikora (člen)cs
but.defenceStudent prezentoval výsledky své práce a komise byla seznámena s posudky. Student obhájil diplomovou práci a odpověděl na otázky členů komise a oponenta. Co znamená pojem regularizace neuronové sítě? Jakým způsobem lze pokusy upřesnit? Jaký mají význam ostré špičky v grafu 3.7?cs
but.jazykslovenština (Slovak)
but.programElektrotechnika, elektronika, komunikační a řídicí technikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorBurget, Radimsk
dc.contributor.authorKuvik, Michalsk
dc.contributor.refereePřinosil, Jiřísk
dc.date.created2019cs
dc.description.abstractCieľom tejto práce je naštudovať problematiku hĺbkových konvolučných neurónových sietí a s ňou spojenú klasifikáciou obrázkov, experimentovať s architektúrou zvolenej siete za účelom získania najväčšej presnosti na vybratom dátovom súbore. Práca je rozdelená do dvoch celkov, kde v prvom sú teoreticky priblížené vlastnosti a štruktúra neurónových sietí a stručne popísané zvolené siete. Druhá časť sa zaoberá experimentami s touto sieťou, ako je napr. vplyv rozšírenia dát, veľkosti dávky alebo vplyv vrstiev zahadzovania na presnosť siete. Následne sú všetky výsledky porovnané a diskutované, kde najlepší výsledok dosiahol presnosť 86, 44% na testovacích dátach.sk
dc.description.abstractThe aim of this thesis is to study problems of deep convolutional neural networks and the connected classification of images and to experiment with the architecture of particular network with the aim to get the most accurate results on the selected dataset. The thesis is divided into two parts, the first part theoretically outlines the properties and structure of neural networks and briefly introduces selected networks. The second part deals with experiments with this network, such as the impact of data augmentation, batch size and the impact of dropout layers on the accuracy of the network. Subsequently, all results are compared and discussed with the best result achieved an accuracy of 86, 44% on test data.en
dc.description.markAcs
dc.identifier.citationKUVIK, M. Rozpoznávání druhu jídla s pomocí hlubokých neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2019.cs
dc.identifier.other118164cs
dc.identifier.urihttp://hdl.handle.net/11012/177576
dc.language.isoskcs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectPythonsk
dc.subjectKerassk
dc.subjectTensorFlowsk
dc.subjectkonvolučná neurónová sieťsk
dc.subjectInceptionV3sk
dc.subjectKagglesk
dc.subjectklasifikácia obrázkovsk
dc.subjectPythonen
dc.subjectKerasen
dc.subjectTensorFlowen
dc.subjectconvolutional neural networken
dc.subjectInceptionen
dc.subjectKaggleen
dc.subjectimage classificationen
dc.titleRozpoznávání druhu jídla s pomocí hlubokých neuronových sítísk
dc.title.alternativeFood classification using deep neural networksen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2019-06-05cs
dcterms.modified2019-06-06-13:46:20cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid118164en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 13:35:36en
sync.item.modts2025.01.15 21:11:26en
thesis.disciplineTelekomunikační a informační technikacs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav telekomunikacícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
2.03 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
9.3 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_118164.html
Size:
3.51 KB
Format:
Hypertext Markup Language
Description:
file review_118164.html
Download
Collections
2019