Úloha rozpoznání objektu využitím strojového učení v Matlabu
Loading...
Date
Authors
Kudolani, Alexej
Advisor
Referee
Mark
C
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
ORCID
Abstract
Vizuálna detekcia objektov a automatizovaná vizuálna inšpekcia (AVI) predstavujú oblasti, ktoré dokážu identifikovať objekty a defekty. Táto práca predstavuje tradičných metód detekcie objektov a nástrojov detekcie pomocou strojového učenia. Následne je pozornosť bližšie venovaná MATLAB knižnici na detekciu anomálií v rámci AVI, pričom sú predstavené modely ako PatchCore, FCDD, FastFlow, EfficientAD a YOLOX. Práca ponúka aj návrh demonštračnej úlohy na implementáciu AVI pomocou MATLABu. Na záver sú zhodnotené jednotlivé modely.
Visual object detection and automated visual inspection (AVI) are fields that can identify objects and defects. This work presents traditional object detection methods and detection tools using machine learning. Then, the MATLAB library for anomaly detection within AVI is discussed in more detail, and models such as PatchCore, FCDD, FastFlow, EfficientAD and YOLOX are introduced. The thesis also offers a design of a demonstration problem for AVI implementation using MATLAB. Finally, the individual models are evaluated.
Visual object detection and automated visual inspection (AVI) are fields that can identify objects and defects. This work presents traditional object detection methods and detection tools using machine learning. Then, the MATLAB library for anomaly detection within AVI is discussed in more detail, and models such as PatchCore, FCDD, FastFlow, EfficientAD and YOLOX are introduced. The thesis also offers a design of a demonstration problem for AVI implementation using MATLAB. Finally, the individual models are evaluated.
Description
Citation
KUDOLANI, A. Úloha rozpoznání objektu využitím strojového učení v Matlabu [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2025.
Document type
Document version
Date of access to the full text
Language of document
sk
Study field
bez specializace
Comittee
doc. Ing. Miloslav Steinbauer, Ph.D. (předseda)
doc. Ing. Petr Blaha, Ph.D. (místopředseda)
Ing. Karel Horák, Ph.D. (člen)
Ing. Tomáš Macho, Ph.D. (člen)
Ing. Soňa Šedivá, Ph.D. (člen)
Date of acceptance
2025-06-17
Defence
Student obhájil bakalářskou práci s výhradami. V rámci obhajoby dokázal přesvědčit komisi o správnosti svých postupů a navrženého řešení. V průběhu odborné rozpravy reagoval na dotazy oponenta ohledně fungování modelu v reálném čase a vlivu času vyhodnocení na použitelnost studentova řešení.
Komise se doptávala na fungování řešení v reálném čase. Student odpověděl. Komise se dále zajímala o matici záměn a výpočet ACC, PPV a TPR. Student odpověděl a uvedl vzorce použité pro výpočet. Komise upozornila na nesoulad mezi studentem udávanými vzorci a vzorci zapsanými v bakalářské práci. Dále zazněl dotaz na časovou náročnost dopředného průchodu neuronovými sítěmi. Student odpověděl.
Result of defence
práce byla úspěšně obhájena