Komprese 360° obrazu založená na hlubokém učení

Simple item page
but.committeeprof. Ing. Roman Maršálek, Ph.D. (předseda) doc. Ing. Lucie Hudcová, Ph.D. (místopředseda) Ing. Jan Král, Ph.D. (člen) Ing. Jana Olivová, Ph.D. (člen) Ing. Václav Růžek, Ph.D. (člen)cs
but.defenceStudent prezentuje výsledky diplomové práce. Následuje čtení posudků a diskuze se členy komise: 1) student zodpovídá otázky oponenta, je na ně dobře připraven 2) Dr. Král: co je parametr BPP a kde je optimální oblast v příslušném grafu? -student opdovídá 3) Dr. Král: dotaz na použití proměnných "global" -student odpovídá 4) Dr. Král: opakující se sekvence kódu, diskuze se studentem ohledně nevhodné stavby jeho Python kódu 5) Dr. Růžek: technologie sledování pohybu očí a zacílení pohledu ve VR brýlích, můžete popsat? -student odpovídá 6) prof. Maršálek: algoritmy AI jsou vaše nebo jste použil refereční? -student přiznává použití referenčních alg. z lit., které nejsou výsledkem jeho prácecs
but.jazykslovenština (Slovak)
but.programElektronika a komunikační technologiecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorKufa, Jansk
dc.contributor.authorBudáč, Adamsk
dc.contributor.refereeBoleček, Liborsk
dc.date.accessioned2023-06-07T07:58:40Z
dc.date.available2023-06-07T07:58:40Z
dc.date.created2023cs
dc.description.abstractTáto diplomová práca sa zaoberá kompresiou 360° obrazu založenou na hlbokom učení. V práci je popísaná reprezentácia a deformácie 360° obrazu. Ďalej sú popísané konvenčné kompresné metódy a metódy využívajúce strojové a hlboké učenie a hlboké neurónové siete na kompresiu 360° obrazu. Súčasťou práce je vytvorenie datasetu desiatich 360° obrázkov a návrh frameworku umožňujúceho kompresiu obrázkov konvenčnými kodekmi a algoritmami založenými na strojovom a hlbokom učení a hlbokých neurónových sieťach. Obrázky z datasetu sú skomprimované piatimi konvenčnými kodekmi a štyrmi algoritmami hlbokého učenia. Kvalita komprimovaných obrázkov je zmeraná siedmymi objektívnymi metrikami a subjektívnym testom. Výsledkom experimentu je, že konvenčné metódy dosiahli vyššiu kvalitu pri kompresii, ako metódy využívajúce hlboké učenie a výpočtová náročnosť konvenčných metód je nižšia v porovnaní s metódami využívajúce hlboké učenie.sk
dc.description.abstractThis diploma thesis deals with 360° image compression based on deep learning. The thesis describes the representation and deformations of a 360° image. It then describes conventional compression methods and methods using machine learning, deep learning and deep neural networks for 360° image compression. Part of the work is the creation of a dataset, which consists of ten 360° images, and the design of a framework that enables image compression using conventional codecs and algorithms based on machine learning, deep learning, and deep neural networks. Images from the dataset are compressed using five conventional codecs and four deep learning algorithms. The quality of compressed images is measured using seven objective metrics and one subjective test. As a result of the experiment, the conventional methods achieved higher compression quality than the methods using deep learning, and the computational complexity of the conventional methods is lower compared to the methods using deep learning.en
dc.description.markCcs
dc.identifier.citationBUDÁČ, A. Komprese 360° obrazu založená na hlubokém učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.cs
dc.identifier.other151744cs
dc.identifier.urihttp://hdl.handle.net/11012/209972
dc.language.isoskcs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectKompresia 360° obrazusk
dc.subjectdatasetsk
dc.subjectstrojové učeniesk
dc.subjecthlboké učeniesk
dc.subjecthodnotenie kvality obrazusk
dc.subjectobjektívne a subjektívne metriky kvalitysk
dc.subjectframeworksk
dc.subjectPythonsk
dc.subject360° image compressionen
dc.subjectdataseten
dc.subjectmachine learningen
dc.subjectdeep learningen
dc.subjectimage quality assessmenten
dc.subjectobjective and subjective quality metricsen
dc.subjectframeworken
dc.subjectPythonen
dc.titleKomprese 360° obrazu založená na hlubokém učenísk
dc.title.alternativeDeep Learning based compression of 360° imagesen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2023-06-06cs
dcterms.modified2023-06-06-11:15:46cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid151744en
sync.item.dbtypeZPen
sync.item.insts2023.06.07 09:58:40en
sync.item.modts2023.06.07 08:15:27en
thesis.disciplinebez specializacecs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav radioelektronikycs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
8.34 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
725.65 KB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_151744.html
Size:
7.78 KB
Format:
Hypertext Markup Language
Description:
review_151744.html
Download
Collections
2023