Algoritmy hlubokého učení na embedded platformě

Simple item page
but.committeedoc. Ing. Eduard Janeček, CSc. (předseda) prof. Ing. Petr Pivoňka, CSc. (místopředseda) doc. Ing. Petr Fiedler, Ph.D. (člen) Ing. Radek Štohl, Ph.D. (člen) Ing. Stanislav Klusáček, Ph.D. (člen)cs
but.defenceStudent obhájil diplomovou práci. Reagoval na všechny dotazy komise i na připomínky oponenta.cs
but.jazykangličtina (English)
but.programElektrotechnika, elektronika, komunikační a řídicí technikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorHorák, Karelen
dc.contributor.authorHadzima, Jaroslaven
dc.contributor.refereeBoštík, Ondřejen
dc.date.accessioned2019-06-14T11:41:55Z
dc.date.available2019-06-14T11:41:55Z
dc.date.created2019cs
dc.description.abstractTáto práca popisuje v súčastnosti široko používané architektúry a modely pre Hlboké Učenie, riešiace úlohu detekcie a klasifikácie objektov vo videu. Dôraz tu bude kladený na ich použiteľnosť na vstavaných zariadeniach. Postupne preberieme kroky a odvôvodňovanie pri výbere najlepšieho vstavaného systému pre našu aplikáciu. Ukážková aplikáci pozostáva hlavne z detekcie vozidiel a detekcie voľných parkovacích miest s využitím algoritmov Hlbokého Učenia. Táto aplikácia umožňuje monitorovať počet vozidiel, nachádzajúcich sa na parkovisku a zároveň rozhodnúť, či sa nachádzajú na prakovacom mieste alebo nie. Následne tu budú prebrané kroky nutné ku konfigurácii zariadenia s dôrazom na optimalizáciu hardvéru pre dosiahnutie čo najväčšej rýchlosti. V ďaľšej časti bude poskytnuté porovnanie vybraných modelov, ktoré budú porovnávané hlavne v kategóriách ako rýchlosť alebo F1 skóre. Najlepší kandidát bude použitý na riešenie našej aplikácie a následné testovanie jej vlastností s názvom Inteligentné parkovisko.en
dc.description.abstractThis paper describes currently widely used Deep Learning architectures and methods for object detection and classification in video, with intention of using them on embedded systems. We will cover steps and reasoning when choosing the most appropriate embedded hardware for our application. Our test application consists of vehicle detection and free parking space detection using Deep learning methods, all wrapped under name Smart car park. This application provides monitoring of vehicle presence in car park and if they occupy parking spot or not. All this is expected to be done using embedded device. Later, there will be covered configuration steps for our embedded device with emphasis on hardware optimization for speed. We will provide comparison of available inference models, which will be rated mostly in categories like speed or F1 score, which have the biggest impact in our application. The best candidate will be selected and used for testing of our application.cs
dc.description.markAcs
dc.identifier.citationHADZIMA, J. Algoritmy hlubokého učení na embedded platformě [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2019.cs
dc.identifier.other119387cs
dc.identifier.urihttp://hdl.handle.net/11012/177758
dc.language.isoencs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectStrojové učenieen
dc.subjectHlboké učenieen
dc.subjectVstavané systémyen
dc.subjectRaspberry Pi 3 Model Ben
dc.subjectDetekcia objektoven
dc.subjectDetekcia vozidielen
dc.subjectInteligentné parkoviskoen
dc.subjectMachine Learningcs
dc.subjectDeep Learningcs
dc.subjectEmbedded systemscs
dc.subjectRaspberry Pi 3 Model Bcs
dc.subjectObject detectioncs
dc.subjectCar detectioncs
dc.subjectSmart car parkcs
dc.titleAlgoritmy hlubokého učení na embedded platforměen
dc.title.alternativeDeep Learning Algorithms on Embedded Devicescs
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2019-06-05cs
dcterms.modified2019-06-06-12:29:43cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid119387en
sync.item.dbtypeZPen
sync.item.insts2021.11.12 14:13:30en
sync.item.modts2021.11.12 13:28:26en
thesis.disciplineKybernetika, automatizace a měřenícs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav automatizace a měřicí technikycs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
7.94 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.rar
Size:
9.81 MB
Format:
Unknown data format
Description:
appendix-1.rar
Download
Thumbnail Image
Name:
review_119387.html
Size:
6.67 KB
Format:
Hypertext Markup Language
Description:
review_119387.html
Download
Collections
2019