but.committee	doc. Dr. Ing. Jan Černocký (předseda) prof. Dr. Ing. Pavel Zemčík (místopředseda) Ing. Vítězslav Beran, Ph.D. (člen) doc. Ing. Vladimír Drábek, CSc. (člen) prof. RNDr. Alexandr Meduna, CSc. (člen) prof. RNDr. Josef Šlapal, CSc. (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 B. Otázky u obhajoby: V citovaných článcích [54, 57] autoři používají RNN pro predikci slov a nikoliv znaků. Na základě čeho jste usoudil, že predikce na úrovni znaků může fungovat? Nesouvisí i vznik nesmyslných slov s predikcí popisků na úrovni znaků? Výstup CNN je také typicky vstupem RNN části, co Vás vedlo k rozhodnutí výstup CNN přivést jako vnitřní stav? Vysvětlete, jak v případě BoW experimentu inicializujete LSTM, které jsou určeny pro predikci na úrovni znaků?	cs
but.jazyk	angličtina (English)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Hradiš, Michal	en
dc.contributor.author	Kvita, Jakub	en
dc.contributor.referee	Španěl, Michal	en
dc.date.accessioned	2018-10-21T17:07:28Z
dc.date.available	2018-10-21T17:07:28Z
dc.date.created	2016	cs
dc.description.abstract	Tato práce se zabývá automatickým generovaním popisů obrázků s využitím několika druhů neuronových sítí. Práce je založena na článcích z MS COCO Captioning Challenge 2015 a znakových jazykových modelech, popularizovaných A. Karpathym. Navržený model je kombinací konvoluční a rekurentní neuronové sítě s architekturou kodér--dekodér. Vektor reprezentující zakódovaný obrázek je předáván jazykovému modelu jako hodnoty paměti LSTM vrstev v síti. Práce zkoumá, na jaké úrovni je model s takto jednoduchou architekturou schopen popisovat obrázky a jak si stojí v porovnání s ostatními současnými modely. Jedním ze závěrů práce je, že navržená architektura není dostatečná pro jakýkoli popis obrázků.	en
dc.description.abstract	In this work I deal with automatic generation of image captions by using multiple types of neural networks. Thesis is based on the papers from MS COCO Captioning Challenge 2015 and character language models, popularized by A. Karpathy. Proposed model is combination of convolutional and recurrent neural network with encoder--decoder architecture. Vector representing encoded image is passed to language model as memory values of LSTM layers in the network. This work investigate, whether model with such simple architecture is able to generate captions and how good it is in comparison to other contemporary solutions. One of the results is that the proposed architecture is not sufficient for any image captioning task.	cs
dc.description.mark	B	cs
dc.identifier.citation	KVITA, J. Popis fotografií pomocí rekurentních neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2016.	cs
dc.identifier.other	96505	cs
dc.identifier.uri	http://hdl.handle.net/11012/61816
dc.language.iso	en	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	rekurentní neuronové sítě	en
dc.subject	RNN	en
dc.subject	konvoluční neuronové sítě	en
dc.subject	CNN	en
dc.subject	popisování obrázků	en
dc.subject	LSTM	en
dc.subject	GRU	en
dc.subject	MS COCO	en
dc.subject	Torch	en
dc.subject	hluboké učení	en
dc.subject	recurrent neural networks	cs
dc.subject	RNN	cs
dc.subject	convolutional neural networks	cs
dc.subject	CNN	cs
dc.subject	image captioning	cs
dc.subject	LSTM	cs
dc.subject	GRU	cs
dc.subject	MS COCO	cs
dc.subject	Torch	cs
dc.subject	deep learning	cs
dc.title	Popis fotografií pomocí rekurentních neuronových sítí	en
dc.title.alternative	Image Captioning with Recurrent Neural Networks	cs
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2016-06-21	cs
dcterms.modified	2020-05-10-16:12:38	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	96505	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.23 00:10:06	en
sync.item.modts	2021.11.22 23:04:07	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

Popis fotografií pomocí rekurentních neuronových sítí

Files

Original bundle

Collections