Show simple item record

Trainable image segmentation using deep neural networks

dc.contributor.advisorHarár, Pavolcs
dc.contributor.authorMajtán, Martincs
dc.date.accessioned2018-10-21T17:02:32Z
dc.date.available2018-10-21T17:02:32Z
dc.date.created2016cs
dc.identifier.citationMAJTÁN, M. Trénovatelná segmentace obrazu s použitím hlubokých neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2016.cs
dc.identifier.other93737cs
dc.identifier.urihttp://hdl.handle.net/11012/59010
dc.description.abstractDiplomová práca sa zaoberá segmentáciou obrazu pomocou hlbokých neuronových sietí. V práci je popísaný princíp digitálneho spracovania obrazu a segmentácia obrazu. Je tu vysvetlený princíp umelých neurónových sietí, model umelého neurónu, spôsob ako sa neurónové siete trénujú a aktivujú. V praktickej časti je vytvorený algoritmus na generovanie podobrazov zo snímkov z magnetickej rezonancie. Vygenerované podobrazy sa používajú na trénovanie, testovanie a validáciu modelu neurónovej siete. V práci je vytvorený model umelej neurónovej siete, ktorí bol použitý pri trénovateľnej segmentácii obrazu. Model neurónovej siete je vytvorený pomocou knižnice Deeplearning4j a je optimalizovaný na paralelné trénovanie pomocou knižnice Spark.cs
dc.description.abstractDiploma thesis is aimed to trainable image segmentation using deep neural networks. In the paper is explained the principle of digital image processing and image segmentation. In the paper is also explained the principle of artificial neural network, model of artificial neuron, training and activation of artificial neural network. In practical part of the paper is created an algorithm of sliding window to generate sub-images from image from magnetic rezonance. Generated sub-images are used to train, test and validate of the model of neural network. In practical part of the paper si created the model of the artificial neural network, which is used to trainable image segmentation. Model of the neural network is created using the Deeplearning4j library and it is optimized to parallel training using Spark library.en
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectkonvolučné neurónové sietecs
dc.subjecthlboké učeniecs
dc.subjecttrénovateľná segmentáciacs
dc.subjectMRIcs
dc.subjectroztrúsená sklerózacs
dc.subjectDeeplearning4jcs
dc.subjectSparkcs
dc.subjectconvolution neural networken
dc.subjectdeep learningen
dc.subjecttrainable segmentationen
dc.subjectMRIen
dc.subjectmultiple sclerosisen
dc.subjectDeeplearning4jen
dc.subjectSparken
dc.titleTrénovatelná segmentace obrazu s použitím hlubokých neuronových sítícs
dc.title.alternativeTrainable image segmentation using deep neural networksen
dc.typeTextcs
dcterms.dateAccepted2016-06-09cs
dcterms.modified2016-06-10-12:57:32cs
thesis.disciplineTelekomunikační a informační technikacs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav telekomunikacícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
sync.item.dbid93737en
sync.item.dbtypeZPen
sync.item.insts2020.03.31 18:46:32en
sync.item.modts2020.03.31 13:40:26en
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
dc.contributor.refereeBurget, Radimcs
dc.description.markBcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
but.committeedoc. Ing. Rastislav Róka, Ph.D. (předseda) doc. Ing. Petr Mlýnek, Ph.D. (místopředseda) Ing. Pavel Pirohovič (člen) Ing. Václav Uher, Ph.D. (člen) Ing. Vlastimil Člupek, Ph.D. (člen) Ing. Radim Číž, Ph.D. (člen)cs
but.defenceStručně objasněte pojem: ReLu vrstva. Jaký je vliv akcelerace s využitím GPU na dobu výpočtu a jaké GPU karty jsou v dnešní době špičkou pro tyto účely?cs
but.resultpráce byla úspěšně obhájenacs
but.programElektrotechnika, elektronika, komunikační a řídicí technikacs
but.jazykčeština (Czech)


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record