Mobilní aplikace pro detekci graffiti tagů
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Práce se zaměřuje na rozpoznávání objektů v obraze za použití principů umělé inteligence. Řeší detekci podpisů autorů v oblasti umění zvané graffiti. Zabývá se základní problematikou této oblasti a dále poukazuje na použití počítačového vidění a jeho následnou, praktickou aplikaci na mobilních zařízeních, konkrétně tedy na platformě Android. Zvolenou neuronovou sítí byl model ssdMobileNet_v2 . Naučený model dosahuje přesnosti mAP 73.5.% při hodnotě IoU 0.6. Po provedení procesu kvantizace byla pak přesnost snížena na 68.5%. Samotná mobilní aplikace poskytuje real-time detekci a několik dalších potřebných funkcí pro lokalizaci a sběr dat.
Thesis focuses on the object recognition of images, using the principles of artificial intelligence. It solves the signature detection of authors in the field of art called graffiti. It concerns about basic problematic of this field, it also points to the use of computer vision followed by practical application on mobile devices, specifically on the Android platform. The selected neural network models was the ssdMobileNet_v2 . The trained model achieves mAP accuracy of 73.5% meanwhile the IoU was set to 0.6. After the quantization process, the accuracy was reduced to 68.5%. The mobile application provides real-time detection and several other necessary functions for localization and data collection.
Thesis focuses on the object recognition of images, using the principles of artificial intelligence. It solves the signature detection of authors in the field of art called graffiti. It concerns about basic problematic of this field, it also points to the use of computer vision followed by practical application on mobile devices, specifically on the Android platform. The selected neural network models was the ssdMobileNet_v2 . The trained model achieves mAP accuracy of 73.5% meanwhile the IoU was set to 0.6. After the quantization process, the accuracy was reduced to 68.5%. The mobile application provides real-time detection and several other necessary functions for localization and data collection.
Description
Citation
CHOVANEČEK, P. Mobilní aplikace pro detekci graffiti tagů [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2019.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Informační technologie
Comittee
prof. Ing. Adam Herout, Ph.D. (předseda)
doc. Mgr. Adam Rogalewicz, Ph.D. (místopředseda)
Ing. Michal Bidlo, Ph.D. (člen)
doc. Ing. Martin Čadík, Ph.D. (člen)
Ing. Zbyněk Křivka, Ph.D. (člen)
Date of acceptance
2019-06-11
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 B. Otázky u obhajoby: Proč jste si vybral jako detektor MobileNet_v2? Bylo možné použít i jiný detektor a pokud ano, jaké výhody, nevýhody či problémy to mohlo přinést? Ve kterém jazyce běží Vaše řešení? V Javě, nebo nativně na HW telefonu? Co lze dál dělat s výsledky Vaši aplikace? Lze podle nich např. odhalit tvůrce tagu? Proč jste se rozhodl zpracovávat data přímo na mobilním zařízení a ne na nějakém výkonnějším počítači?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení