but.committee	doc. Ing. Martin Čadík, Ph.D. (předseda) doc. Ing. Jiří Jaroš, Ph.D. (místopředseda) Ing. David Bařina, Ph.D. (člen) doc. Ing. Radek Burget, Ph.D. (člen) doc. RNDr. Milan Češka, Ph.D. (člen)	cs
but.defence	Studentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm C. Otázky u obhajoby: Zkoušela jste různé varianty sítě a jejího učení? Jak dopadly? Na str. 18 popisujete strojové náhodné rotování obrázků před jejich vložením do datasetu. Obvykle se toto děje náhodně při trénování a nazývá se augmentací. Používáte při trénování augmentace? Pokud ne, proč? Pokud ano, k čemu slouží toto mechanické zvětšování datasetu? Jak se hodnotí odchylka určeného a správného horizontu? Co je AUC? Ukažte na vhodných grafech, jak si navrhžená a naučená síť stojí v přesnosti na testovacích datech zvlášť pro slope a pro intercept.	cs
but.jazyk	angličtina (English)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Juránek, Roman	en
dc.contributor.author	Holková, Natália	en
dc.contributor.referee	Herout, Adam	en
dc.date.accessioned	2021-06-20T06:53:42Z
dc.date.available	2021-06-20T06:53:42Z
dc.date.created	2021	cs
dc.description.abstract	Cieľom tejto práce je naimplementovať metódu detekovania horizontu vo fotografii pomocou hlbokého učenia, aby sa zabránilo obmedzeniam pre vstupné dáta. Trénovací dataset bol vytvorený sťahovaním obrázkov z miest z celého sveta pomocou služby Google Street View. Bolo vybratých niekoľko populárnych architektúr pre konvolučné neurónové siete a po natrénovaní boli vyhodnotené na existujúcich testovacích datasetoch.	en
dc.description.abstract	This thesis aims to implement a method of detecting the horizon line in images using deep learning to prevent any constraints on input data. A training dataset is created by downloaded images from large metropolitan cities around the world using the Google Street View service. Several popular architectures for convolutional neural networks are chosen, and their performance is evaluated on existing benchmark datasets.	cs
dc.description.mark	C	cs
dc.identifier.citation	HOLKOVÁ, N. Detekce horizontu ve fotografii [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2021.	cs
dc.identifier.other	136442	cs
dc.identifier.uri	http://hdl.handle.net/11012/199322
dc.language.iso	en	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	CNN	en
dc.subject	neurónové siete	en
dc.subject	hlboké učenie	en
dc.subject	odhad pozície horizontu	en
dc.subject	Keras	en
dc.subject	Google Colab	en
dc.subject	CNN	cs
dc.subject	neural network	cs
dc.subject	deep learning	cs
dc.subject	horizon line estimation	cs
dc.subject	Keras	cs
dc.subject	Google Colab	cs
dc.title	Detekce horizontu ve fotografii	en
dc.title.alternative	Horizon Detection in Image	cs
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2021-06-14	cs
dcterms.modified	2021-08-27-17:16:45	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	136442	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.12 21:00:58	en
sync.item.modts	2021.11.12 20:33:50	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Detekce horizontu ve fotografii

Files

Original bundle

Collections