Klasifikace zvuků pohybujících se objektů pomocí neuronových sítí

Abstract

Cílem práce bylo navrhnout a otestovat konvoluční neuronové sítě pro klasifikaci zvuků pohybujících se objektů. Modely byly trénovány pro binární i více třídní klasifikaci a následně převedeny do formátu TensorFlow Lite pro nasazení na Raspberry Pi. Byla provedena jejich optimalizace a porovnání s původními modely z hlediska úspěšnosti, výpočetní náročnosti a inference času. Výsledky potvrzují efektivitu zvoleného přístupu i v omezeném výpočetním prostředí.The aim of this thesis was to design and evaluate convolutional neural networks for the classification of sounds produced by moving objects. The models were trained for both binary and multi-class classification and subsequently converted to TensorFlow Lite format for deployment on a Raspberry Pi. Optimization techniques were applied, and the models were compared to their original versions in terms of accuracy, computational demands, and inference time. The results confirm the effectiveness of the chosen approach even in resource-constrained environments.