but.committee	doc. Ing. Richard Růžička, Ph.D., MBA (předseda) doc. RNDr. Dana Hliněná, Ph.D. (místopředseda) prof. Ing. Adam Herout, Ph.D. (člen) Ing. Bohuslav Křena, 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 D. Otázky u obhajoby: Čím jsou způsobeny podivné skoky ve spotřebě prakticky ve všech grafech na obr. 5.9? Jaká je přesnost klasifikace u navržené implementace (v kontextu toho, že navržené řešení sestává z předem natrénovaných CNN se známou přesností)? Čím jsou způsobeny značné rozptyly ve vašich výsledcích? Uvažoval jste nad jinou úlohou?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Vašíček, Zdeněk	cs
dc.contributor.author	Barna, Kristian	cs
dc.contributor.referee	Sekanina, Lukáš	cs
dc.date.created	2020	cs
dc.description.abstract	Predkladaná bakalárska práca sa zoberá štatistickým vyhodnotením výkonnosti hardwardového akcelerátora hĺbkových neurónových sieti. Opisuje Konvolučné neurónové siete spolu s matematickými výpočtami. Vysvetľuje ich akceleráciu a prevod do formátu vhodného pre akcelerátor Intel Movidius NCS. Experimentálne sa porovnalo 8 hardvérových platforiem a 22 náročností neurónovej sieti. Bolo demonštrované až 105 násobné zlepšenie pre izolovanú inferenciu MobileNetV2 siete na platformu Raspbery Pi za pomoci akcelrátora. Výkon medzi testovanými platformami sa vyhodnocoval aj z energetického hľadiska. Aplikáciou na rozpoznanie identity tváre sa demonštrovali podmienky reálneho použitia. Odkryli sa možné limity akcelerácie CNN na zariadeniach s obmedzeným výkonom (Raspberry Pi), najmä v súvislosti s nevhodným výberom vstupného rozlíšenia obrazu. Všetky merania boli vyhodnocované štatistickými postupmi.	cs
dc.description.abstract	The presented bachelor thesis deals with the statistical evaluation of performance for hardward accelerator of deep neural networks. Describes convolutional neural networks along with mathematical calculations. Explains their acceleration and conversion to a format suitable for the Intel Movidius NCS accelerator. 8 hardware platforms and 22 neural network difficulties were compared experimentally. Up to 105-fold improvement was demonstrated in isolated inference of the MobileNetV2 network for the Raspber Pi platform using an accelerator. Performance between the tested platforms was also evaluated from an energy point of view. The application of facial identity demonstrated the conditions during real use. Possible limits of CNN acceleration on power-limited devices (Raspberry Pi) have been uncovered, especially due to improper selection of input image resolution. All measurements were evaluated by statistical procedures.	en
dc.description.mark	D	cs
dc.identifier.citation	BARNA, K. Využití akcelerátoru neuronových sítí na Raspberry PI [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.	cs
dc.identifier.other	129895	cs
dc.identifier.uri	http://hdl.handle.net/11012/194990
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	počítačové videnie	cs
dc.subject	konvolučné neurónové sieťe	cs
dc.subject	hlboké učenie	cs
dc.subject	rozpoznanie tváre	cs
dc.subject	akcelerácia CNN	cs
dc.subject	Intel Movidius NCS	cs
dc.subject	OpenVino	cs
dc.subject	Raspberry Pi	cs
dc.subject	computer vision	en
dc.subject	convolutional neural networks	en
dc.subject	deep learning	en
dc.subject	face recognition	en
dc.subject	CNN acceleration	en
dc.subject	Intel Movidius NCS	en
dc.subject	OpenVino	en
dc.subject	Raspberry Pi	en
dc.title	Využití akcelerátoru neuronových sítí na Raspberry PI	cs
dc.title.alternative	Application of Neural Accelerators on Rapsberry PI	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2020-08-28	cs
dcterms.modified	2020-08-30-19:06:22	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	129895	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:33:16	en
sync.item.modts	2025.01.15 22:18:25	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačových systémů	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Využití akcelerátoru neuronových sítí na Raspberry PI

Files

Original bundle

Collections