Využití syntetických dat pro zlepšení detekce cyklistů a chodců v autonomním řízení

Simple item page
but.committeedoc. RNDr. Pavel Smrž, Ph.D. (předseda) doc. RNDr. Jitka Kreslíková, CSc. (člen) Ing. Ivana Burgetová, Ph.D. (člen) Ing. Aleš Smrčka, Ph.D. (člen) Ing. Josef Strnadel, Ph.D. (člen)cs
but.defenceStudentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky oponenta. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na otázky položené oponentem rozhodla práci hodnotit stupněm velmi dobře / B.cs
but.jazykčeština (Czech)
but.programInformační technologiecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorSmrž, Pavelcs
dc.contributor.authorKopčilová, Zuzanacs
dc.contributor.refereeMusil, Petrcs
dc.date.created2023cs
dc.description.abstractTato práce se zabývá tvorbou umělé datové sady pro autonomní řízení a možností jejího využití pro zlepšení přesnosti detekce zranitelných účastníků provozu. Existující práce v této oblasti buď nezveřejňují svůj postup tvorby datové sady, nebo nejsou vhodné pro účely 3D detekce objektů. V rámci této práce jsou představeny konkrétní kroky pro vytvoření umělé datové sady. Získané vzorky jsou následně validovány pomocí jejich vizualizace a při experimentech využity pro učení modelu detekce objektů VoxelNet.cs
dc.description.abstractThis thesis deals with creating a synthetic dataset for autonomous driving and the possibility of using it to improve the results of vulnerable traffic participants' detection. Existing works in this area either do not disclose the dataset creation process or are unsuitable for 3D object detection. Specific steps to create a synthetic dataset are proposed in this work, and the obtained samples are validated by visualization. In the experiments, the samples are then used to train the object detection model VoxelNet.en
dc.description.markBcs
dc.identifier.citationKOPČILOVÁ, Z. Využití syntetických dat pro zlepšení detekce cyklistů a chodců v autonomním řízení [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.cs
dc.identifier.other145572cs
dc.identifier.urihttp://hdl.handle.net/11012/211087
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectautonomní řízenícs
dc.subject3D detekce objektůcs
dc.subjectlidarcs
dc.subjectsimulátor CARLAcs
dc.subjectdatová sada KITTIcs
dc.subjectsyntetická datová sadacs
dc.subjectVoxelNetcs
dc.subjectdetekce chodcůcs
dc.subjectdetekce cyklistůcs
dc.subjectautonomous drivingen
dc.subject3D object detectionen
dc.subjectlidaren
dc.subjectCARLA simulatoren
dc.subjectKITTI dataseten
dc.subjectsynthetic dataseten
dc.subjectVoxelNeten
dc.subjectpedestrian detectionen
dc.subjectcyclist detectionen
dc.titleVyužití syntetických dat pro zlepšení detekce cyklistů a chodců v autonomním řízenícs
dc.title.alternativeUsing Synthetic Data for Improving Detection of Cyclists and Pedestrians in Autonomous Drivingen
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2023-06-12cs
dcterms.modified2023-06-12-15:48:15cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid145572en
sync.item.dbtypeZPen
sync.item.insts2025.03.18 20:59:01en
sync.item.modts2025.01.17 10:07:05en
thesis.disciplineInformační technologiecs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédiícs
thesis.levelBakalářskýcs
thesis.nameBc.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
3.63 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.pdf
Size:
1.71 MB
Format:
Adobe Portable Document Format
Description:
appendix-1.pdf
Download
Thumbnail Image
Name:
review_145572.html
Size:
11.78 KB
Format:
Hypertext Markup Language
Description:
file review_145572.html
Download
Collections
2023