Segmentace obrazu pomocí strojového učení
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Tato práce se zabývá strojovým učením a jeho aplikací do oblasti segmentace obrazu a rozpoznávání objektů. V práci je popsána základní terminologie související se strojovým učením a dat, které s ním souvisí. Dále se zaměřuje na biologickou podstatu neuronu a jeho technologické aplikace. Jsou zde přiblíženy základní druhy neuronových sítí a pro zpracování obrazu stěžejní konvoluční neuronová síť. Práce také uvádí využívané architektury konvolučních neuronových sítí. Dále navazují metody předzpracování obrazu před konvoluční sítí R-CNN. Následně jsou rozebrány některé z datasetů vhodných pro rozpoznání obrazu. Implementace je pak realizována v jazyce Python s podporou frameworku PyTorch od Facebooku.
This work deals with machine learning and its application in the field of image segmentation and object recognition. The thesis describes the basic terminology related to machine learning and data related to it. It also focuses on the biological nature of the neuron and its technological applications. The basic types of neural networks and the key convolutional neural network for image processing are described. The work also presents the used architectures of convolutional neural networks. Then follow the methods of image preprocessing before the convolutional network R-CNN. Subsequently, some of the datasets suitable for image recognition are analyzed. The implementation is then realized in Python with support for the PyTorch framework from Facebook.
This work deals with machine learning and its application in the field of image segmentation and object recognition. The thesis describes the basic terminology related to machine learning and data related to it. It also focuses on the biological nature of the neuron and its technological applications. The basic types of neural networks and the key convolutional neural network for image processing are described. The work also presents the used architectures of convolutional neural networks. Then follow the methods of image preprocessing before the convolutional network R-CNN. Subsequently, some of the datasets suitable for image recognition are analyzed. The implementation is then realized in Python with support for the PyTorch framework from Facebook.
Description
Citation
MATĚJEK, L. Segmentace obrazu pomocí strojového učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
bez specializace
Comittee
doc. Ing. Tomáš Frýza, Ph.D. (předseda)
doc. Ing. Roman Šotner, Ph.D. (místopředseda)
Ing. Tomáš Urbanec, Ph.D. (člen)
prof. Ing. Pavel Fiala, Ph.D. (člen)
Ing. Kamil Pítra, Ph.D. (člen)
Date of acceptance
2021-06-15
Defence
Student prezentuje výsledky a postupy řešení své bakalářské práce. Následně odpovídá na dotazy vedoucího a oponenta práce a na dotazy členů zkušební komise:
prof. Ing. Pavel Fiala Ph.D.:
Řešil jste trénovaní samotné sítě a přípravu dat? Student využil předtrénovanou síť jako základ. Ale souhlasí s komentářem pro zvýšení přesnosti.
doc. Ing. Tomáš Frýza Ph.D.:
Přidal jste vlastní snímky do testovacího datasetu? Student využil existujících datasetů.
Jak je řešen výpočet přesnosti? Student popisuje, jak je přesnost určována.
Proč jsou konvoluční vrstvy vhodné? Student popisuje důvod.
Funguje aplikace i v případě více osob na snímku? Ano, student popisuje proč.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení