but.committee	prof. Ing. Adam Herout, Ph.D. (předseda) doc. Mgr. Adam Rogalewicz, Ph.D. (místopředseda) doc. Ing. Michal Bidlo, Ph.D. (člen) doc. Ing. Martin Čadík, Ph.D. (člen) Ing. Zbyněk Křivka, 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: Vnímáte nyní nějaké nevýhody architektury vaší neuronové sítě? Jak si vysvětlujete, že dosáhla lepších výsledků než referenční síť podle [33]? Můžete porovnat trénovací a testovací chybu jednotlivých sítí a zamyslet se nad jejich generalizací a kapacitou? Jakou roli má ve Vašem řešení LBP?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Špaňhel, Jakub	cs
dc.contributor.author	Le, Hoang Anh	cs
dc.contributor.referee	Hradiš, Michal	cs
dc.date.created	2019	cs
dc.description.abstract	Cílem práce bylo vytvořit holistický rozpoznávač registračních značek, kde byl kladen důraz na dosáhnutí co nejvyšší přesností na snímcích horší kvality. Byla navrhnuta a implementována kombinace konvoluční a rekurentní neuronové sítě, implementované pomocí LSTM a CTC, kde vstupem jsou výřezy získané z celé značky. Dále byly také implementovány konkurenční sítě pro porovnání výsledků. Sítě byly porovnány na celkem 4 datových sadách, a výsledkem bylo, že vlastní návrh dosáhl nejlepších výsledků s celkovou přesností rozpoznávání 97.6%.	cs
dc.description.abstract	Main goal of this work was to create a holistic license plate reader, with an emphasis on achieving the highest possible accuracy on low quality images. Combination of convolutional and recurrent neural networks was designed and implemented, with usage of LSTM and CTC, where the inputs are cut-outs from the entire license plate. Competitive networks were also implemented to compare results. Networks were compared on a total of 4 datasets and the results were, that my design has achieved the best results with a recognition accuracy of 97.6%.	en
dc.description.mark	C	cs
dc.identifier.citation	LE, H. Holistické rozpoznání registrační značky pomocí konvolučních neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2019.	cs
dc.identifier.other	121884	cs
dc.identifier.uri	http://hdl.handle.net/11012/180111
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	registrační značka	cs
dc.subject	strojové učení	cs
dc.subject	CNN	cs
dc.subject	RNN	cs
dc.subject	OCR	cs
dc.subject	LSTM	cs
dc.subject	CTC	cs
dc.subject	license plate	en
dc.subject	machine learning	en
dc.subject	CNN	en
dc.subject	RNN	en
dc.subject	OCR	en
dc.subject	LSTM	en
dc.subject	CTC	en
dc.title	Holistické rozpoznání registrační značky pomocí konvolučních neuronových sítí	cs
dc.title.alternative	Holistic License Plate Recognition Based on Convolution Neural Networks	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2019-06-11	cs
dcterms.modified	2019-07-08-13:31:16	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	121884	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:09:48	en
sync.item.modts	2025.01.15 12:18:40	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

Holistické rozpoznání registrační značky pomocí konvolučních neuronových sítí

Files

Original bundle

Collections