Klasifikace dat v obraze pomocí nástrojů pro strojové učení v jazyce Python
Loading...
Date
Authors
Voronin, Artyom
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta strojního inženýrství
ORCID
Abstract
Tato práce se zabývá problematikou klasifikace dat v obrazu pomocí nástrojů pro strojové učení v jazyce Python. Cílem je ověření možností přetrénovaní existujících modelů na vlastní data a zhodnocení efektivity a náročností celého procesu. Následovně zpracovaní dosazených výsledků formou demonstrační úlohy, podobou snímáni obrazu web kamerou a klasifikace objektu v zorném poli.
This thesis introduces the issue of data classification in the image using tools for machine learning in Python. The aim is to verify the possibilities of overtraining existing models on their own data and evaluating the efficiency and complexity of the entire process. Subsequently, the processing of the achieved results in the form of a demonstration task, image capturing by a web camera and classification of the object in the field of view.
This thesis introduces the issue of data classification in the image using tools for machine learning in Python. The aim is to verify the possibilities of overtraining existing models on their own data and evaluating the efficiency and complexity of the entire process. Subsequently, the processing of the achieved results in the form of a demonstration task, image capturing by a web camera and classification of the object in the field of view.
Description
Keywords
Python , Strojově učení , Hloubkově učení , Konvoluční neuronové sítě , Faster-R-CNN , SSD-Mobilenet , YOLO , Tensorflow , Počítačová vize , OpenCV , Mechatronika , Python , Machine Learning , Deep Learning , Convolution Neural Networks , Faster-R-CNN , SSD-Mobilenet , YOLO , Tensorflow , Computer vision , OpenCV , Mechatronics
Citation
VORONIN, A. Klasifikace dat v obraze pomocí nástrojů pro strojové učení v jazyce Python [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2019.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Mechatronika
Comittee
doc. Dr. Ing. Kazimierz Peszyński (předseda)
doc. Ing. Stanislav Věchet, Ph.D. (místopředseda)
doc. Ing. Vladislav Singule, CSc. (člen)
doc. Ing. Pavel Vorel, Ph.D. (člen)
doc. Ing. Tomáš Profant, Ph.D. (člen)
doc. Ing. Radek Vlach, Ph.D. (člen)
Ing. Zdeněk Majer, Ph.D. (člen)
Ing. Oldřich Ševeček, Ph.D. (člen)
doc. Ing. Zdeněk Hadaš, Ph.D. (člen)
Date of acceptance
2019-06-20
Defence
Student ve vymezeném čase prezentoval svoji bakalářskou práci, dále byly přečteny posudky a zodpovězeny dotazy oponenta. Poté byly členy komise položeny následující otázky související s bakalářskou prací: Minimální ztráty pro určitý počet kroků bylo dosáhnuto pro nějaký konkrétní objekt? Jakým způsobem vzniká přetrénování neuronové sítě?
Lze se zbavit přetrénování změnou velikosti datasetu? Jaká je struktura použité neuronové sítě? Jaký je rozdíl mezi konvoluční a klasickou neuronovou sítí? Má na trénování vliv rozlišení obrázků? Jaký je formát obrázků použitých pro trénování? Po zodpovězení všech dotazů byla obhajoba celkově hodnocena jako výborná.
Result of defence
práce byla úspěšně obhájena