Model hlubokého učení vhodný pro vizuální detekci a klasifikaci obecného objektu z průmyslu
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
C
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Cílem této bakalářské práce je naprogramovat model hlubokého učení pro vizuální detekci a klasifikaci obecného objektu z průmyslu. Práce je rozdělena do pěti kapitol. První kapitola se zabývá rešerší nejpoužívanějších architektur tohoto typu. Druhá kapitola se zabývá výběrem nejvhodnější architektury pro použití v průmyslu. Ve třetí kapitole je popsán postup vytváření vlastního datasetu. Ve čtvrté kapitole je pak popsán celý proces samotné implementace modelu tak, aby každá dílčí část architektury byla dostatečně vysvětlena a v páté kapitole jsou popsány výsledky. Shrnutí výsledků a doporučené procedury pro případnou implementaci v reálném prostředí jsou k nalezení v závěru této práce.
The goal of this bachelor’s thesis is to programme deep learning model for visual detection and classification of general object from industry. The paper is divided into five chapters. First chapter deals with research of the most used architectures of this type. The second chapter deals with choosing the best fitting architecture for usage in industry. In the third chapter is desribed the procedure of creating your own dataset. The fourth chapter then describes the implementation process itself, so that each sub-part of the architecture was sufficiently described and the results are described in the fifht chapter. The summary and recommended procedures for potential implementation in real environment can be found in the conclusion of this paper.
The goal of this bachelor’s thesis is to programme deep learning model for visual detection and classification of general object from industry. The paper is divided into five chapters. First chapter deals with research of the most used architectures of this type. The second chapter deals with choosing the best fitting architecture for usage in industry. In the third chapter is desribed the procedure of creating your own dataset. The fourth chapter then describes the implementation process itself, so that each sub-part of the architecture was sufficiently described and the results are described in the fifht chapter. The summary and recommended procedures for potential implementation in real environment can be found in the conclusion of this paper.
Description
Keywords
počítačové vidění, hluboké učení, model hlubokého učení, detekce a klasifikace objektu, detekce objektu, YOLOv3, YOLO, You Only Look Once, Python, PyTorch, computer vision, deep learning, deep learning model, object detection and classification, object detection, YOLOv3, YOLO, You Only Look Once, Python, PyTorch
Citation
DOČKAL, R. Model hlubokého učení vhodný pro vizuální detekci a klasifikaci obecného objektu z průmyslu [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
bez specializace
Comittee
doc. Ing. Petr Fiedler, Ph.D. (předseda)
Ing. Tomáš Macho, Ph.D. (místopředseda)
Ing. Zdeněk Havránek, Ph.D. (člen)
Ing. Peter Honec, Ph.D. (člen)
Ing. Miloslav Richter, Ph.D. (člen)
Date of acceptance
2021-06-15
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, dále vysvětloval, zda se jedná o vlastní implementaci zvolené architektury, a jaké další prvky impelementoval. Student zhodnotil dosažené parametry (rychlost zpracování snímku, přesnost, atp.) Pokusil se upřesnit, co je výstupem sítě, zda se jedná o klasifikaci nebo predikci. Zodpověděl doplňující dotaz týkající se zpracování videa.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení