but.committee	doc. Ing. Martin Čadík, Ph.D. (předseda) doc. Ing. Jiří Jaroš, Ph.D. (místopředseda) Ing. Vladimír Bartík, Ph.D. (člen) Ing. David Bařina, Ph.D. (člen) Ing. Radek Kočí, 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 " D ". Otázky u obhajoby: Ukažte u obhajoby nějaké solidnější vyhodnocení vlastností vytvořené neuronové sítě. Kde vidíte prostor pro vylepšení dosažených výsledků?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Teuer, Lukáš	cs
dc.contributor.author	Paníček, Andrej	cs
dc.contributor.referee	Herout, Adam	cs
dc.date.accessioned	2020-06-23T08:13:51Z
dc.date.available	2020-06-23T08:13:51Z
dc.date.created	2019	cs
dc.description.abstract	Táto práca sa zaoberá detekciou objektov pomocou hlbokých neurónových sietí. V rámci riešenia som upravil, implementoval a natrénoval dobre známy model kaskádových neuró- nových sietí MTCNN tak aby dokázal vykonávať detekciu dopravných značiek. Trénovacie dáta boli vygenerované z dátových sád GTSRB a GTSDB. MTCNN ukázal solídny výkon na vyhodnocovacích dátach z dátovej sady GTSDB, kde dosiahol presnosť detekcie 97.8 %.	cs
dc.description.abstract	This work deals with the object detection using deep neural networks. As part of the solution, I modified, implemented and trained the well-known model of cascade neural networks MTCNN so that it could perform the detection of traffic signs. The training data was generated from GTSRB and GTSDB data sets. MTCNN showed solid performance on the evaluation data, where the detection accuracy reached 97.8 %.	en
dc.description.mark	D	cs
dc.identifier.citation	PANÍČEK, A. Detekce objektů pomocí hlubokých neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2019.	cs
dc.identifier.other	122205	cs
dc.identifier.uri	http://hdl.handle.net/11012/180283
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	neurón	cs
dc.subject	hlboké neurónové siete	cs
dc.subject	konvolučné neurónové siete	cs
dc.subject	strojové učenie	cs
dc.subject	umelá inteli-gencia	cs
dc.subject	detekcia	cs
dc.subject	MTCNN	cs
dc.subject	detekcia značiek	cs
dc.subject	GTSBD	cs
dc.subject	GTSRB	cs
dc.subject	neuron	en
dc.subject	deep neural network	en
dc.subject	convolutional neural network	en
dc.subject	machine learning	en
dc.subject	artificialintelligence	en
dc.subject	detection	en
dc.subject	MTCNN	en
dc.subject	traffic sign detection	en
dc.subject	GTSBD	en
dc.subject	GTSRB	en
dc.title	Detekce objektů pomocí hlubokých neuronových sítí	cs
dc.title.alternative	Deep Learning for Object Detection	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2019-06-12	cs
dcterms.modified	2019-07-08-13:31:33	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	122205	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.22 23:00:02	en
sync.item.modts	2021.11.22 22:20:48	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 objektů pomocí hlubokých neuronových sítí

Files

Original bundle

Collections