Klasifikace zvuků pohybujících se objektů pomocí neuronových sítí

Simple item page
but.committeedoc. Ing. Kamil Říha, Ph.D. (předseda) Doc.Ing.MgA. Ondřej Urban, Ph.D. (místopředseda) Ing. Petr Honzík, Ph.D. (člen) Ing.MgA. Edgar Mojdl, Ph.D. (člen) Ing. Matěj Ištvánek, Ph.D. (člen)cs
but.defenceStudent prezentoval výsledky své práce a komise byla seznámena s posudky. Student prezentoval výsledky své práce a komise byla seznámena s posudky. Student obhájil diplomovou práci a odpověděl na otázky členů komise a oponenta. Jak se model bude chovat, když se ve vstupních datech bude objevovat více druhů zvukových objektů zároveň (případ reálného nasazení)? Jaký byl důvod pro nenatrénování modelu s jiným datovým typem (např. int8)? Student dostatečně vysvětlil otázky.cs
but.jazykčeština (Czech)
but.programAudio inženýrstvícs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorIštvánek, Matějcs
dc.contributor.authorŠíbl, Evžencs
dc.contributor.refereeMiklánek, Štěpáncs
dc.date.accessioned2025-06-13T03:59:29Z
dc.date.available2025-06-13T03:59:29Z
dc.date.created2025cs
dc.description.abstractCílem 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.cs
dc.description.abstractThe 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.en
dc.description.markBcs
dc.identifier.citationŠÍBL, E. Klasifikace zvuků pohybujících se objektů pomocí neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2025.cs
dc.identifier.other167442cs
dc.identifier.urihttps://hdl.handle.net/11012/252321
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectklasifikace zvukucs
dc.subjectkonvoluční neuronové sítěcs
dc.subjectvýkonový spektrogramcs
dc.subjectTensorFlow Litecs
dc.subjectembedded zařízenícs
dc.subjectRaspberry Pics
dc.subjectkvantizace modelucs
dc.subjectoptimalizace inferencecs
dc.subjectvíce třídní klasifikacecs
dc.subjectbinární klasifikacecs
dc.subjectsound classificationen
dc.subjectconvolutional neural networksen
dc.subjectpower spectrogramen
dc.subjectTensorFlow Liteen
dc.subjectembedded systemsen
dc.subjectRaspberry Pien
dc.subjectmodel quantizationen
dc.subjectinference optimizationen
dc.subjectmulti-class classificationen
dc.subjectbinary classificationen
dc.titleKlasifikace zvuků pohybujících se objektů pomocí neuronových sítícs
dc.title.alternativeClassification of sounds of moving objects using neural networksen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2025-06-12cs
dcterms.modified2025-06-12-15:46:35cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid167442en
sync.item.dbtypeZPen
sync.item.insts2025.06.13 05:59:29en
sync.item.modts2025.06.13 05:34:19en
thesis.disciplineZvuková produkce a nahrávánícs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav telekomunikacícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
4.03 MB
Format:
Adobe Portable Document Format
Description:
file final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
11.27 KB
Format:
Unknown data format
Description:
file appendix-1.zip
Download
Thumbnail Image
Name:
review_167442.html
Size:
5.63 KB
Format:
Hypertext Markup Language
Description:
file review_167442.html
Download
Collections
2025