Rozpoznání výrobce a modelu automobilu v obraze
Loading...
Date
Authors
Hrivňák, Marek
ORCID
Advisor
Referee
Mark
C
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Táto práca sa zaoberá trénovaním konvolučnej neurónovej siete na rozpoznávanie vozidiel z obrazu, príprave trénovacích dát a následne vytvoreniu metódy na vylepšenie rozpoznania. Riešenie sa zameriava na vplyv a využitie ohraničovacieho rámca a využitím dátovej augmentácie pre čo najvýššiu úspešnosť rozpoznania vozidiel z obrazu. Zároveň sa práca zameriava na porovnanie rozpoznania s využívaním obaľovacieho kvádra a poukázaniu na výraznejšie priblíženie, v niektorých prípadoch aj prekonanie, úspešnosti rozpoznania. V práci je použitá dátová sada BoxCars116k, ktorá je voľne dostupná a vytvorená skupinou GRAPH@FIT. Ako súčasť tejto práce som zároveň zozbieral obrázky vozidiel, ktoré môžu byť použité ako súčasť väčšej dátovej sady. Riešenie tejto práce zvyšuje úspešnosť rozpoznania vozidiel z obrazu až o 8 % v porovnaní s inými konvolučnými neurónovými sieťami bez aplikovanej metódy. Súčasťou práce sú aj vykonané experimenty, ktoré poukazujú na vplyv rôznych činiteľov na úspešnosť práce.
This thesis focuses on training convolutional neural network for vehicle recognition in image, preparation of training data and improvement of classification accuracy. Solution focuses on effect of using 2D bounding box and data augmentation for better recognition accuracy. In this thesis, I also elaborate the comparison with papers using 3D bounding box and showing, my method approaches in some cases even outperforms method using 3D bounding box. BoxCars116k data set is used, which is freely available and collected by the GRAPH@FIT research group. In order to support the main data set, I also collected some vehicle images. As a result of the analysis, it is observed that accuracy of vehicle recognition increased 8% points in comparison with other convolutional neural networks without the proposed modifications. As part of my thesis I also performed several experiments, which show effect of different factors on classification accuracy.
This thesis focuses on training convolutional neural network for vehicle recognition in image, preparation of training data and improvement of classification accuracy. Solution focuses on effect of using 2D bounding box and data augmentation for better recognition accuracy. In this thesis, I also elaborate the comparison with papers using 3D bounding box and showing, my method approaches in some cases even outperforms method using 3D bounding box. BoxCars116k data set is used, which is freely available and collected by the GRAPH@FIT research group. In order to support the main data set, I also collected some vehicle images. As a result of the analysis, it is observed that accuracy of vehicle recognition increased 8% points in comparison with other convolutional neural networks without the proposed modifications. As part of my thesis I also performed several experiments, which show effect of different factors on classification accuracy.
Description
Citation
HRIVŇÁK, M. Rozpoznání výrobce a modelu automobilu v obraze [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.
Document type
Document version
Date of access to the full text
Language of document
sk
Study field
Informační technologie
Comittee
prof. Ing. Adam Herout, Ph.D. (předseda)
doc. Ing. Martin Čadík, Ph.D. (místopředseda)
doc. Ing. Michal Bidlo, Ph.D. (člen)
Ing. Matěj Grégr, Ph.D. (člen)
Ing. Radek Kočí, Ph.D. (člen)
Date of acceptance
2020-07-09
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 C. Otázky u obhajoby: Z pohledu uživatele, jakým způsobem jste anotoval vaši datovou sadu? Proč je vámi vytvořená datová sada tak malá? Dodal jste 3D bounding boxy nebo kalibrace kamer pro vámi pořízené snímky, aby byly kompatibilní s BoxCars116k? Proč si myslíte, že se klasifikace zhoršila po přesném vyříznutí vozidla pomocí detektoru vozidla? Podle čeho jste zvolil konkrétní rozsahy augmentace?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení