but.committee	doc. Ing. František Zbořil, Ph.D. (předseda) doc. Mgr. Adam Rogalewicz, Ph.D. (místopředseda) Ing. Michal Bidlo, Ph.D. (člen) doc. Ing. Lukáš Burget, Ph.D. (člen) Ing. František Grézl, Ph.D. (člen) Prof. RNDr. Mária Lucká, Ph.D. (člen)	cs
but.defence	Studentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm C. Otázky u obhajoby: Je rozdělení věkových kategorií na třídy (1+, 18+, 30+, 45+, 60+) ze socioekonomického hlediska dostatečné? Čím si vysvětlujete nižší hodnotu mA vaší metody (tabulka 7.1), když jsou všechny ostatní metriky (kromě Recall ) vyšší než u dalších metod? Je to způsobeno právě nižší hodnotou Recall ? Byli by výsledky lepší, kdyby byla kvalita použitých fotek/videí vyšší, byla by přesnost lepší? Kdo Vám anotace vytvářela kdo je ověřoval?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Hradiš, Michal	cs
dc.contributor.author	Studená, Zuzana	cs
dc.contributor.referee	Špaňhel, Jakub	cs
dc.date.accessioned	2020-06-23T09:12:44Z
dc.date.available	2020-06-23T09:12:44Z
dc.date.created	2019	cs
dc.description.abstract	Táto práca sa zaoberá získavaním informácií o chodcoch, ktorí sú zachytení pomocou statických vonkajších kamier umiestnených na verejných vonkajších alebo vnútorných priestranstvách. Cieľom je za použitia konvolučných neurónových sietí získať, čo najväčšie množstvo informácií ako je napríklad pohlavie, vek a typ oblečenia, doplnky, módny štýl alebo celková charakteristika osoby. Časť práce pozostáva z tvorby novej dátovej sady, ktorá zachytáva chodcov a k nim informácie o pohlaví, veku a módnom štýle osoby. Ďalšou časťou práce je návrh a implementácia konvolučných neurónových sietí, ktoré klasifikujú spomínané charakteristiky chodcov. Neurónové siete vyhodnocujú vstupné obrázky chodcov v dátových sadách PETA, FashionStyle14 a BUT atribúty chodcov. Vykonané experimenty nad dátovými sadami PETA a FashionStyle porovnávajú moje výsledky rôznych konvolučných neurónových sietí s publikáciami. Ďalšie experimenty sú ukázané na novo vytvorenej dátovej sade BUT atribúty chodcov.	cs
dc.description.abstract	This work deals with obtaining pedestrian information, which are captured by static, external cameras located in public, outdoor or indoor spaces. The aim is to obtain as much information as possible. Information such as gender, age and type of clothing, accessories, fashion style, or overall personality are obtained using using convolutional neural networks. One part of the work consists of creating a new dataset that captures pedestrians and includes information about the person's sex, age, and fashion style. Another part of the thesis is the design and implementation of convolutional neural networks, which classify the mentioned pedestrian characteristics. Neural networks evaluate pedestrian input images in PETA, FashionStyle14 and BUT Pedestrian Attributes datasets. Experiments performed over the PETA and FashionStyle datasets compare my results to various convolutional neural networks described in publications. Further experiments are shown on created BUT data set of pedestrian attributes.	en
dc.description.mark	C	cs
dc.identifier.citation	STUDENÁ, Z. Charakterizace chodců ve videu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2019.	cs
dc.identifier.other	121990	cs
dc.identifier.uri	http://hdl.handle.net/11012/180372
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	rozpoznávanie obrazu	cs
dc.subject	konvolučné neurónové siete	cs
dc.subject	predtrénovanie nerónových sieti	cs
dc.subject	finetuning	cs
dc.subject	featrure extraction	cs
dc.subject	resnet	cs
dc.subject	klasifikácia atribútov	cs
dc.subject	charakteristika chodcov	cs
dc.subject	dátová sada	cs
dc.subject	BUT atribúty chodocov	cs
dc.subject	PETA	cs
dc.subject	FashionStyle14	cs
dc.subject	image recognition	en
dc.subject	convolutional neural networks	en
dc.subject	transfered learning	en
dc.subject	feature extractor	en
dc.subject	fine-tuning	en
dc.subject	resnet	en
dc.subject	attribute classification	en
dc.subject	dataset	en
dc.subject	BUT atribúty chodocov	en
dc.subject	PETA	en
dc.subject	FashionStyle14	en
dc.title	Charakterizace chodců ve videu	cs
dc.title.alternative	Pedestrian Attribute Analysis	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2019-06-17	cs
dcterms.modified	2019-07-08-13:31:22	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	121990	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.12 14:14:43	en
sync.item.modts	2021.11.12 13:16:41	en
thesis.discipline	Inteligentní systémy	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Charakterizace chodců ve videu

Files

Original bundle

Collections