but.committee	prof. Ing. Lukáš Sekanina, Ph.D. (předseda) doc. Ing. František Zbořil, Ph.D. (místopředseda) Ing. Ivana Burgetová, Ph.D. (člen) doc. RNDr. Milan Češka, Ph.D. (člen) Ing. Tomáš Martínek, Ph.D. (člen) doc. Ing. Radomil Matoušek, 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 " A ". Otázky u obhajoby: Jaké bude další využití vašeho detektoru? Nebylo by vhodné scénu normalizovat vzhledem k velikosti vozidel před samotnou detekcí, když geometrie scény je předpokládám známá? Bylo by možné části scény, kde se automobily nenalézají vyřadit z vyhodnocení pro zvýšení rychlosti detekce?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Rozman, Jaroslav	cs
dc.contributor.author	Hlavoň, David	cs
dc.contributor.referee	Hradiš, Michal	cs
dc.date.accessioned	2018-10-21T20:55:17Z
dc.date.available	2018-10-21T20:55:17Z
dc.date.created	2018	cs
dc.description.abstract	Práce se zaobírá problematikou neuronových sítí z pohledu úlohy detekce dopravních prostředků v obraze, který byl pořízen z dronu. Jelikož je cílem vytvořit prakticky použitelný detektor, práce jako první popisuje datovou sadu. Dále práce rozebírá několik architektur dopředných neuronových sítí, které byly následně použity při realizaci detektoru. Na architektury neuronových sítí navazují metody tvorby detektoru pomocí naivních metod a současně nejúspěšnějších meta architektur. V druhé části se práce zabývá praktickou realizací detektoru. Výsledkem práce je detektor postavený na meta architektuře Faster R-CNN a neuronové sítí PVA s úspěšností detekce přes 90 % a rychlostí 45 full HD snímků za sekundu.	cs
dc.description.abstract	This master's thesis deals with a vehicle detector based on the convolutional neural network and scene captured by drone. Dataset is described at the beginning, because the main aim of this thesis is to create practicly usable detector. Architectures of the forward neural networks which detector was created from are described in the next chapter. Techniques for building a detector based on the naive methods and current the most successful meta architectures follow the neural network architectures. An implementation of the detector is described in the second part of this thesis. The final detector was built on meta architecture Faster R-CNN and PVA neural network on which the detector achieved score over 90 % and 45 full HD frames per seconds.	en
dc.description.mark	A	cs
dc.identifier.citation	HLAVOŇ, D. Detekce a klasifikace dopravních prostředků v obraze pomocí hlubokých neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2018.	cs
dc.identifier.other	114861	cs
dc.identifier.uri	http://hdl.handle.net/11012/84997
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	Neuronové sítě	cs
dc.subject	Caffe	cs
dc.subject	NVIDIA	cs
dc.subject	TensorRT	cs
dc.subject	detektor	cs
dc.subject	doprava	cs
dc.subject	faster R-CNN	cs
dc.subject	auto	cs
dc.subject	dopravní prostředek	cs
dc.subject	Neural nets	en
dc.subject	Caffe	en
dc.subject	NVIDIA	en
dc.subject	TensorRT	en
dc.subject	detector	en
dc.subject	traffic	en
dc.subject	faster R-CNN	en
dc.subject	car	en
dc.subject	vehicle	en
dc.title	Detekce a klasifikace dopravních prostředků v obraze pomocí hlubokých neuronových sítí	cs
dc.title.alternative	Detection and Classification of Road Users in Aerial Imagery Based on Deep Neural Networks	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2018-06-19	cs
dcterms.modified	2020-05-10-16:13:27	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	114861	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.22 23:09:45	en
sync.item.modts	2021.11.22 21:54:00	en
thesis.discipline	Bioinformatika a biocomputing	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémů	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Detekce a klasifikace dopravních prostředků v obraze pomocí hlubokých neuronových sítí

Files

Original bundle

Collections