but.committee	doc. Ing. František Zbořil, CSc. (předseda) prof. Ing. Miroslav Švéda, CSc. (místopředseda) doc. Ing. Michal Bidlo, Ph.D. (člen) prof. RNDr. Milan Češka, CSc. (člen) Prof. RNDr. Mária Lucká, Ph.D. (člen) Mgr. Ing. Pavel Očenášek, 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 B. Otázky u obhajoby: Jakou pspěšnost detekce a false alarm rate by musel mít detektor ohně pro reálné požití například v dohledovém systému? Proč porovnáváte detektory v různých operačních bodech? Je možné porovnávat "kvalitu" detektorů takovým postupem? Můžete pro vaše detektory nastavit požadovaný operační bod (například určitou false alarm rate)? Proč pro detekci ohně musí mít alespoň jedna oblast odezvu detektoru právě 0.6? Máte představu, jak se liší úspěšnost vašich detektorů trénovaných na umělých datech oproti obdobným detektorům natrénovaným na fotografiích a videích, které lze poměrně jednoduše získat pomocí standardních vyhledávačů? Jsou dvě scény a omezený počet simulací dostatečné pro trénování detektoru s ohledem na možnou variabilitu scén a osvětlení? Uvedené doby trénování CNN jsou pro GTX 980 neúměrně vysoké. Čím je to způsobeno? Proč jste využíval jen jednu CNN architekturu, která je navíc poměrně velká a náročná na trénování?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Herout, Adam	cs
dc.contributor.author	Poledník, Tomáš	cs
dc.contributor.referee	Hradiš, Michal	cs
dc.date.created	2015	cs
dc.description.abstract	Tato diplomová práce se zabývá detekcí ohně ve videu pomocí farební analýzy a strojového učení, konkrétně hlubokých konvolučních neurónových sítí, použitím nástroje Caffe. Cílem je vytvoření velké sady dat, která může sloužit jako základní prvek detekce založené na strojovém učení a vytvoření detektoru použitelného v reálné aplikaci. Pro účely projektu byla navrhnuta a vytvořena sada nástrojů pro tvorbu sekvencí s ohněm, jejich segmentaci a automatickou anotaci spolu s velkou trénovací sadou krátkých sekvencí umělo vymodelovaného ohně.	cs
dc.description.abstract	{This thesis deals with fire detection in video by colour analysis and machine learning, specifically deep convolutional neural networks, using Caffe framework. The aim is to create a vast set of data that could be used as the base element of machine learning detection and create a detector usable in real application. For the purposes of the project a set of tools for fire sequences creation, their segmentation and automatic labeling is proposed and created together with a large test set of short sequences with artificial modelled fire.	en
dc.description.mark	B	cs
dc.identifier.citation	POLEDNÍK, T. Detektor ohně ve videu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2015.	cs
dc.identifier.other	88761	cs
dc.identifier.uri	http://hdl.handle.net/11012/52247
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	Detekce ohně	cs
dc.subject	zpracování obrazu	cs
dc.subject	video sekvence	cs
dc.subject	strojové učení hlbokými konvolučními neuronovými sítěmi	cs
dc.subject	počítačové vidění	cs
dc.subject	Caffe	cs
dc.subject	modelování ohně	cs
dc.subject	kompozice scény s ohněm	cs
dc.subject	Fire detection	en
dc.subject	image processing	en
dc.subject	video sequence	en
dc.subject	machine learning by deep convolutional neural networks	en
dc.subject	computer vision	en
dc.subject	Caffe	en
dc.subject	fire modelling	en
dc.subject	fire scene compositing	en
dc.title	Detektor ohně ve videu	cs
dc.title.alternative	Detection of Fire in Video	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2015-06-24	cs
dcterms.modified	2020-05-10-16:12:12	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	88761	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.26 15:19:23	en
sync.item.modts	2025.01.17 11:50:06	en
thesis.discipline	Inteligentní systémy	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Detektor ohně ve videu

Files

Original bundle

Collections