but.committee	doc. Ing. František Zbořil, CSc. (předseda) doc. Ing. Vladimír Janoušek, Ph.D. (místopředseda) Ing. Vítězslav Beran, Ph.D. (člen) doc. RNDr. Aleš Horák, Ph.D. (člen) Ing. Martin Hrubý, Ph.D. (člen) Ing. Jaroslav Rozman, Ph.D. (člen)	cs
but.defence	Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm A. Otázky u obhajoby: Čím si vysvětlujete horší vizuální výsledky syntézy obličejů v rozmezí úhlu natočení <-10,10> stupňů? Nemůže mít na tyto výsledky vliv zvolený krok pro kódování zdrojové-cílové polohy? Z jakého důvodu byly sítě pro rozpoznávání obličejů trénované na jiném datasetu ( VGGFace2 ), než na kterých probíhalo testování ( LFW, CPLFW )? Jedná se o standardní vyhodnocení používané i v dalších publikacích?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Hradiš, Michal	cs
dc.contributor.author	Stratil, Jan	cs
dc.contributor.referee	Špaňhel, Jakub	cs
dc.date.accessioned	2019-07-08T15:57:05Z
dc.date.available	2019-07-08T15:57:05Z
dc.date.created	2019	cs
dc.description.abstract	Tato práce se zabývá rozpoznáváním tváří pomocí konvolučních neuronových sítí a jejich problémy v dnešní době, jako jsou variabilita póz, osvětlení a výrazů. Shrnuje dosavadní přístupy, architektury a nejnovější chybové funkce. Dále se věnuje metodám pro rotaci obličeje pomocí GAN sítí. V rámci práce jsou navrženy a natrénovány 3 neuronové sítí pro rozpoznávání tváří. Nejlepší z nich dosáhla přesnosti 99.38% na datasetu LFW a 88.08% na datasetu CPLFW. Dále je navržena síť pro rotaci obličeje PCGAN, která může být použita pro účely frontalizace obličeje či augmentace dat. Síť je vyhodnocena na datasetu Multi-PIE a pomocí frontalizace zvyšuje úspěšnost identifikace.	cs
dc.description.abstract	This thesis deals with facial recognition using convolutional neural networks and with their current problems, which are pose, lighting and expression variance. It summarizes existing approaches, architectures and most recent loss functions. Further it deals with methods for rotating faces using GAN networks. In this thesis 3 neural networks are designed and trained for facial recognition. The best of them achieves 99.38% accuracy on LFW dataset and 88.08% accuracy on CPLFW dataset. Next face rotation network PCGAN is designed, which can be used for face frontalization or data augmentation purposes. This network is evaluated on Multi-PIE dataset and using the face frontalization it increases identification accuracy.	en
dc.description.mark	A	cs
dc.identifier.citation	STRATIL, J. Adaptace neuronových sítí pro identifikaci osob [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2019.	cs
dc.identifier.other	122216	cs
dc.identifier.uri	http://hdl.handle.net/11012/180434
dc.language.iso	cs	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	neuronové sítě	cs
dc.subject	konvoluční neuronové sítě	cs
dc.subject	rozpoznávání tváří	cs
dc.subject	rotace tváří	cs
dc.subject	syntéza tváří	cs
dc.subject	GAN sítě	cs
dc.subject	augmentace	cs
dc.subject	frontalizace	cs
dc.subject	neural networks	en
dc.subject	convolutional neural networks	en
dc.subject	facial recognition	en
dc.subject	face rotation	en
dc.subject	face synthesis	en
dc.subject	GAN networks	en
dc.subject	augmentation	en
dc.subject	frontalization	en
dc.title	Adaptace neuronových sítí pro identifikaci osob	cs
dc.title.alternative	Model Adaptation in Person Identification	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2019-06-19	cs
dcterms.modified	2019-07-08-13:31:34	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	122216	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.23 01:02:58	en
sync.item.modts	2021.11.23 00:04:58	en
thesis.discipline	Inteligentní systémy	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Adaptace neuronových sítí pro identifikaci osob

Files

Original bundle

Collections