Show simple item record

Deep Learning for Image Recognition

dc.contributor.advisorHradiš, Michalcs
dc.contributor.authorMunzar, Milancs
dc.date.accessioned2019-04-04T05:14:57Z
dc.date.available2019-04-04T05:14:57Z
dc.date.created2013cs
dc.identifier.citationMUNZAR, M. Hluboké neuronové sítě v rozpoznávání obrazu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2013.cs
dc.identifier.other79040cs
dc.identifier.urihttp://hdl.handle.net/11012/55010
dc.description.abstractNeuronové sítě jsou dnes jeden z nejúspěšnějších modelů pro strojové učení. Můžeme je nalézt v autonomínch robotických systémech, v rozpoznávání objektů i řeči, predikci a mnoha jiných odvětvích umělé inteligence. Tato práce seznámí čtenáře s tímto modelem a jeho rozšířením, které se používá pro rozpoznávání objektů. Posléze popisuje aplikaci těchto konvolučních neuronových sítí(CNNs) pro klasifikaci obrazků na datasetech Caltech101 a Cifar-10. Na příkladu této aplikace diskutuje a měří efektivnost různých technik používaných v CNNs. Výsledky ukazují, že tyto sítě jsou bez dalších rozšíření schopné dosáhnout 80\% přesnosti na datasetu Cifar-10 a 37\% přesnosti na datasetu Caltech101.cs
dc.description.abstractNeural networks are one of the state-of-the-art models for machine learning today. One may found them in autonomous robot systems, object and speech recognition, prediction and many others AI tasks. The thesis describes this model and its extension which is used in an object recognition. Then explains an application of a convolutional neural networks(CNNs) in an image recognition on Caltech101 and Cifar10 datasets. Using this exemplar application, the thesis discusses and measures efficiency of techniques used in CNNs. Results show that the convolutional networks without advanced extensions are able to reach a 80\% recognition accuracy on Cifar-10 and a 37\% accuracy on Caltech101.en
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectlogistická regresecs
dc.subjectnelineární hypotézacs
dc.subjectmetoda největšího spáducs
dc.subjectneuronové sítěcs
dc.subjecthluboké učenícs
dc.subjecthluboké neuronové sítěcs
dc.subjectkonvoluční neuronové sítěcs
dc.subjectrozpoznávání objektůcs
dc.subjectrozpoznávání obrázkůcs
dc.subjectCaltech101cs
dc.subjectCifar-10cs
dc.subjectlogistic regressionen
dc.subjectnon-linear hypothesisen
dc.subjectgradient descenten
dc.subjectneural networksen
dc.subjectdeep learningen
dc.subjectconvolutional neural networksen
dc.subjectobject recognitionen
dc.subjectimage recognitionen
dc.subjectCaltech101en
dc.subjectCifar-10en
dc.titleHluboké neuronové sítě v rozpoznávání obrazucs
dc.title.alternativeDeep Learning for Image Recognitionen
dc.typeTextcs
dcterms.dateAccepted2013-06-12cs
dcterms.modified2020-05-09-23:43:24cs
thesis.disciplineInformační technologiecs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédiícs
thesis.levelBakalářskýcs
thesis.nameBc.cs
sync.item.dbid79040en
sync.item.dbtypeZPen
sync.item.insts2020.05.10 02:23:50en
sync.item.modts2020.05.10 01:16:00en
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
dc.contributor.refereeKolář, Martincs
dc.description.markBcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
but.committeecs
but.defencecs
but.resultpráce byla úspěšně obhájenacs
but.programInformační technologiecs
but.jazykčeština (Czech)


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record