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. Mgr. Lukáš Holík, 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 velmi dobře Otázky u obhajoby: Interpretujte, prosím, tabulku 4.1 (přesnost výsledků) a vysvětlete na vhodném příkladu. Z pohledu aplikace, kolik z 1000 vozidel se například danými postupy bude detekovat? Je pro odpověď na tuto otázku použitá metoda IoU postačující? Prováděl jste nějaký detailnější průzkum vlivu přesnosti (resp. reprezentace) vah na přesnost celého detektorů (nejen FP16 vs FP32, ale třeba i "něco mezi tím")? Proč je RTX 2060 8x výkonnější než NVidia Tegra?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Špaňhel, Jakub	cs
dc.contributor.author	Petráš, Adam	cs
dc.contributor.referee	Zemčík, Pavel	cs
dc.date.accessioned	2020-07-14T09:01:44Z
dc.date.available	2020-07-14T09:01:44Z
dc.date.created	2020	cs
dc.description.abstract	Tato bakalářská práce je zaměřena na detekci vozidel v obraze. V práci je rozebrána metoda detekce vozidel pomocí konvolučních neuronových sítí, jejich struktury a modely. Všechny skripty byly realizovány v programovacím jazyce Python s rozhraním Tensorflow Object Detection API. První část bakalářské práce jsem věnoval strukturám populárních neuronových sítí a modelům detekčních neuronových sítí. Další kapitola se zabývá nejznámějšími frameworky, které se používají pro strojové učení. Byly vybrány tři modely neuronové sítě, jež byly natrénovány na datasetu COD20K. Výsledkem jsou statistické údaje, které pojednávají o efektivitě a výkonu jednotlivých modelů na natrénovaném datasetu a porovnání výkonu bez zobrazení videa na zařízeních Nvidia RTX 2060, kdy výkon dosažený sítí SDD MobileNet V2 byl 300FPS a Nvidia Tegra TX2 8GB, jehož výkon dosahoval téměř 44FPS.	cs
dc.description.abstract	This bachelor thesis is focused on vehicle detection. The thesis deals with the method of vehicle detection using convolutional neural networks, their structures and models. All scripts were implemented using python programming language with Tensorflow Object Detection API interface. The first part of this thesis was devote to the structures of popular neural networks and models of detection neural networks. The next chapter deals with the most famous frameworks that are used for machine learning. Three neural network models were selected and trained on the COD20K dataset. The result of this thesis is statistics that discuss the efficiency and performance of each model on trained dataset and compare performance without displaying video on Nvidia RTX 2060, where the performace archieved by SSD MobileNet V2 network was 300FPS and Nvidia Tegra TX2 8GB, whose performace reached almost 44FPS.	en
dc.description.mark	B	cs
dc.identifier.citation	PETRÁŠ, A. Detekce vozidla v obraze [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.	cs
dc.identifier.other	129120	cs
dc.identifier.uri	http://hdl.handle.net/11012/191697
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	detekce vozidel	cs
dc.subject	konvoluční neuronové sítě	cs
dc.subject	Python	cs
dc.subject	TensorFlow	cs
dc.subject	Nvidia Tegra	cs
dc.subject	TensorRT	cs
dc.subject	kvantizace	cs
dc.subject	R-CNN	cs
dc.subject	SSD	cs
dc.subject	ONNX	cs
dc.subject	vehicle detection	en
dc.subject	convolutional neural networks	en
dc.subject	Python	en
dc.subject	TensorFlow	en
dc.subject	Nvidia Tegra	en
dc.subject	TensorRt	en
dc.subject	quantization	en
dc.subject	R-CNN	en
dc.subject	SSD	en
dc.subject	ONNX	en
dc.title	Detekce vozidla v obraze	cs
dc.title.alternative	Detection of Vehicles in Image and Video	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2020-07-08	cs
dcterms.modified	2020-07-13-23:41:07	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	129120	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.12 19:59:37	en
sync.item.modts	2021.11.12 19:22:22	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 vozidla v obraze

Files

Original bundle

Collections