but.committee	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)	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 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?	cs
but.jazyk	slovenština (Slovak)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Herout, Adam	sk
dc.contributor.author	Hrivňák, Marek	sk
dc.contributor.referee	Hradiš, Michal	sk
dc.date.created	2020	cs
dc.description.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.	sk
dc.description.abstract	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.	en
dc.description.mark	C	cs
dc.identifier.citation	HRIVŇÁK, M. Rozpoznání výrobce a modelu automobilu v obraze [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.	cs
dc.identifier.other	129100	cs
dc.identifier.uri	http://hdl.handle.net/11012/191679
dc.language.iso	sk	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	rozpoznanie vozidiel	sk
dc.subject	konvolučná neurónová sieť	sk
dc.subject	dátová sada	sk
dc.subject	ohraničovací rámec	sk
dc.subject	augmentácia dát	sk
dc.subject	klasifikácia	sk
dc.subject	vehicle recognition	en
dc.subject	convolutional neural network	en
dc.subject	data set	en
dc.subject	2D bounding box	en
dc.subject	data augmentation	en
dc.subject	classification	en
dc.title	Rozpoznání výrobce a modelu automobilu v obraze	sk
dc.title.alternative	Vehicle Make and Model Recognition in Image	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2020-07-09	cs
dcterms.modified	2020-07-13-23:41:08	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	129100	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:31:42	en
sync.item.modts	2025.01.15 18:20:06	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Rozpoznání výrobce a modelu automobilu v obraze

Files

Original bundle

Collections