Pokročilá analýza obrazu využitím hlubokých neuronových sítí
Advanced image analysis using deep neural networks
Author
Advisor
Kiac, MartinReferee
Přinosil, JiříGrade
AAltmetrics
Metadata
Show full item recordAbstract
Tato bakalářská práce se zabývá problematikou detekce objektů v obraze s využitím konvoluční neuronové sítě. Výsledkem této práce je vlastní datová sada, model neuronové sítě YOLOv4 a skript sloužící pro zpracování výsledných dat modelu. Datová sada obsahuje 8080 snímků, na kterých je anotováno 14 objektů. Modelu neuronové sítě byla zmenšena jeho hloubka, díky které významně vzrostla rychlost samotné detekce. Skript zpracovávající výsledná data vypočítává 3D a GPS souřadnice detekovaného objektu v prostoru. V závěru práce jsou shrnuty výsledky modelu a současně je uvedeno, jakým způsobem by mohlo dojít ke zlepšení kvality datové sady. This bachelor thesis deals with the problem of object detection in images using a convolutional neural network. The result of this work is a custom dataset, a neural network model YOLOv4 and a script used to process the resulting model data. The dataset contains 8080 images on which 14 objects are annotated. The neural network model was reduced in depth, which significantly increased the speed of the detection itself. The script processing the resulting data calculates the 3D and GPS coordinates of the detected object in space. The paper concludes by summarizing the results of the model and at the same time suggesting how the quality of the dataset could be improved.
Keywords
konvoluční neuronová síť, YOLOv4, detekce objektů, klasifikace, datová sada, dron, convolutional neural networks, YOLOv4, object detection, classification, dataset, dronLanguage
čeština (Czech)Study brunch
bez specializaceComposition of Committee
prof. Ing. Dan Komosný, Ph.D. (předseda) Ing. Petr Dzurenda, Ph.D. (místopředseda) Ing. Ondřej Pospíšil (člen) Ing. Tomáš Lieskovan (člen) JUDr. Ing. František Kasl, Ph.D. (člen) Ing. Jaroslav Vrána, Ph.D. (člen)Date of defence
2022-06-14Process of defence
Student prezentoval výsledky své práce a komise byla seznámena s posudky. Otázky oponenta: Můžete uvést jaké jiné CNN architektury se v současnosti používají pro detekci objektů a proč byla pro práci vybrána právě architektura YOLO? Považujete dosažené výsledky vámi modifikované sítě ku výsledkům s původní architekturou za dobré? Otázky komise: Anotoval jste snímky sám? Proč nejsou zahrnuty ostatní metriky matice záměn? V jakém prostředí jste programoval vaše řešení? Student obhájil bakalářskou práci a odpověděl na otázky členů komise a oponenta.Result of the defence
práce byla úspěšně obhájenaPersistent identifier
http://hdl.handle.net/11012/205510Source
HYNEK, V. Pokročilá analýza obrazu využitím hlubokých neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2022.Collections
- 2022 [397]