but.committee	prof. Dr. Ing. Pavel Zemčík (předseda) doc. Ing. Richard Růžička, Ph.D., MBA (místopředseda) Ing. Vítězslav Beran, Ph.D. (člen) doc. Ing. Lukáš Burget, Ph.D. (člen) doc. Mgr. Adam Rogalewicz, Ph.D. (člen) doc. Ing. Jiří Rybička, Dr. (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: Kam zmizel CPU overhead? Vypustil jste ho z prezentovaných měření, nebo se Vám ho podařilo eliminovat? Jak rychle dokážete zpracovat video (kolik fps)? Má použití "mipmap" obrazu nějakou výhodu oproti paralelnímu zmenšení a vyhodnocení detektoru na všech rozlišeních nezávisle? Nic nebrání tomu počítat detekci na mnoha obrázcích paralelně a nezávisle. Proč používáte work group 32x8? Proč je work group 2D i po přeskupení vláken? Proč zmenšujete obraz bilineární interpolací? Nemá tento postup negativní vliv na úspěšnost detekce? Proč na obrázku 6.3 po snížení "ShrinkFactor" na 2 některé detekce zmizely a proč se objevily velké detect (např. dvě auta v popředí)? Neměly by pouze přibýt detekce objektů v rozmezí velkostí 80x80 a 40x40 pixelů?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Juránek, Roman	cs
dc.contributor.author	Jurák, Martin	cs
dc.contributor.referee	Hradiš, Michal	cs
dc.date.accessioned	2019-05-17T07:17:02Z
dc.date.available	2019-05-17T07:17:02Z
dc.date.created	2015	cs
dc.description.abstract	Tato práce je zaměřena na akceleraci detekce objektů v obraze metodou Random Forest. Detektor Random Forest se skládá ze souboru náhodných rozhodovacích stromů, které jsou na sobě nezávisle vyhodnocovány, čehož lze využít pro akceleraci na grafické jednotce. Vývoj a zvyšování výkonu grafických procesorů umožnilo použití GPU pro masivně paralelní obecné výpočty (GPGPU). Cílem této práce je popsat způsob implementace metody Random Forest na GPU s využitím standardu OpenCL.	cs
dc.description.abstract	This thesis is focused on the acceleration of Random Forest object detection in an image. Random Forest detector is an ensemble of independently evaluated random decision trees. This feature can be used to acceleration on graphics unit. Development and increasing performance of graphics processing units allow the use of GPU for general-purpose computing (GPGPU). The goal of this thesis is describe how to implement Random Forest method on GPU with OpenCL standard.	en
dc.description.mark	D	cs
dc.identifier.citation	JURÁK, M. Detekce objektů na GPU [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2015.	cs
dc.identifier.other	88845	cs
dc.identifier.uri	http://hdl.handle.net/11012/52221
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 objektů	cs
dc.subject	GPGPU	cs
dc.subject	GPU	cs
dc.subject	OpenCL	cs
dc.subject	Random Forest	cs
dc.subject	Object detection	en
dc.subject	GPGPU	en
dc.subject	GPU	en
dc.subject	OpenCL	en
dc.subject	Random Forest	en
dc.title	Detekce objektů na GPU	cs
dc.title.alternative	Object Detection on GPU	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2015-08-26	cs
dcterms.modified	2020-05-10-16:12:23	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	88845	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.23 01:02:49	en
sync.item.modts	2021.11.23 00:09:47	en
thesis.discipline	Počítačová grafika a multimédia	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Detekce objektů na GPU

Files

Original bundle

Collections