Konvoluční neuronová síť pro segmentaci obrazu

Abstract

Cílem bakalářské práce je seznámit se s problematikou konvolučních neuronových sítí a realizovat segmentaci obrazu. Toto téma v sobě zahrnuje obor počítačového vidění, který je používán v systémech s umělou inteligencí. Zvláštní pozornost je věnována procesu segmentace obrazu. Dále se práce věnuje základním principům umělých neuronových sítí, struktuře konvolučních neuronových sítí a zejména pak popisu jednotlivých architektur sémantické segmentace. Vybraná architektura SegNet je použiti v praktické aplikaci spolu s před-učenou sítí. Součástí práce je databáze obrazů CamVid, která je použita pro trénování. Pro testování je vytvořena databáze vlastních snímků. Praktická část je zaměřená na trénování CNN a hledání nevhodnějších parametrů pro učení sítě za pomocí SW Matlab.

The aim of the bachelor thesis is to learn more about the problem of convolutional neural networks and to realize image segmentation. This theme includes the field of computer vision, which is used in systems of artificial intelligence. Special Attention is paid to the image segmentation process. Furthermore, the thesis deals with the basic principles of artificial neural networks, the structure of convolutional neural networks and especially with the description of individual semantic segmentation architectures. The chosen SegNet architecture is used in a practical application along with a pre-learned network. Part of the work is a database of CamVid images, which is used for training. For testing, a custom image database is created. Practical part is focused on CNN training and searching for unsuitable parameters for network learning using SW Matlab.