Počítání vozidel ve statickém obraze
but.committee | prof. Dr. Ing. Pavel Zemčík, dr. h. c. (předseda) doc. Ing. Lukáš Burget, Ph.D. (místopředseda) doc. Mgr. Lukáš Holík, Ph.D. (člen) Ing. Tomáš Martínek, Ph.D. (člen) doc. Ing. Petr Matoušek, Ph.D., M.A. (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 C. Otázky u obhajoby: Vysvětlete význam křížového vyhodnocení v Kap 5.5. Proč vyhodnocovat model na datasetu, který má diametrálně odlišný charakter než pro který byl trénován? Z Kap. 4.4 - 4.6 plyne, že ground truth mapy pro každou síť jsou generované s jinou sigmou. Jaký je k tomu důvod? Není sigma spíše vlastnost vstupního datasetu (podle velikosti aut) a ne architektury sítě? Jak jste volil hyperparametry trénování (zejména learning rate) pro jednotlivé experimenty? V textu se uvádí přímo čísla, ale už ne jak se k nim došlo. | cs |
but.jazyk | čeština (Czech) | |
but.program | Informační technologie | cs |
but.result | práce byla úspěšně obhájena | cs |
dc.contributor.advisor | Špaňhel, Jakub | cs |
dc.contributor.author | Vágner, Filip | cs |
dc.contributor.referee | Juránek, Roman | cs |
dc.date.accessioned | 2022-06-21T07:56:47Z | |
dc.date.available | 2022-06-21T07:56:47Z | |
dc.date.created | 2022 | cs |
dc.description.abstract | Úkolem této práce je porovnání modelů konvolučních neuronových sítí určených k počítání vozidel ve statickém obraze pomocí odhadu hustoty se zaměřením na rozdílné velikosti objektů ve scéně. Celkem byly vyhodnoceny čtyři modely - Scale Pyramid Network, Scale-adaptive CNN, Multi-scale fusion network a CASA-Crowd. Vyhodnocení proběhlo na třech datových sadách - TRANCOS, CARPK, PUCPR+. Nejlepších výsledků dosáhl model Scale Pyramid Network. Na datové sadě TRANCOS dosáhl v metrice Mean Absolute Error hodnoty 5,44 a v metrice GAME(3) hodnoty 9,95. | cs |
dc.description.abstract | The goal of this work is to compare models of convolutional neural networks designed to count vehicles in a static image using density estimation with a focus on different sizes of objects in the scene. A total of four models were evaluated - Scale Pyramid Network, Scale-adaptive CNN, Multi-scale fusion network and CASA-Crowd. The evaluation was done on three data sets - TRANCOS, CARPK, PUCPR+. Scale Pyramid Network achieved the best results. The model reached 5.44 in the Mean Absolute Error metric and 9.95 in the GAME(3) metric on TRANCOS dataset. | en |
dc.description.mark | C | cs |
dc.identifier.citation | VÁGNER, F. Počítání vozidel ve statickém obraze [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2022. | cs |
dc.identifier.other | 145235 | cs |
dc.identifier.uri | http://hdl.handle.net/11012/207362 | |
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 | konvoluční neuronové sítě | cs |
dc.subject | počítání vozidel | cs |
dc.subject | odhad hustoty | cs |
dc.subject | mapa hustoty | cs |
dc.subject | Scale Pyramid Network | cs |
dc.subject | Scale-adaptive CNN | cs |
dc.subject | Multi-scale fusion network | cs |
dc.subject | CASA-Crowd | cs |
dc.subject | convolutional neural networks | en |
dc.subject | vehicle counting | en |
dc.subject | density estimation | en |
dc.subject | density map | en |
dc.subject | Scale Pyramid Network | en |
dc.subject | Scale-adaptive CNN | en |
dc.subject | Multi-scale fusion network | en |
dc.subject | CASA-Crowd | en |
dc.title | Počítání vozidel ve statickém obraze | cs |
dc.title.alternative | Vehicle Counting in Still Image | en |
dc.type | Text | cs |
dc.type.driver | bachelorThesis | en |
dc.type.evskp | bakalářská práce | cs |
dcterms.dateAccepted | 2022-06-14 | cs |
dcterms.modified | 2022-06-20-08:19:46 | cs |
eprints.affiliatedInstitution.faculty | Fakulta informačních technologií | cs |
sync.item.dbid | 145235 | en |
sync.item.dbtype | ZP | en |
sync.item.insts | 2022.06.21 09:56:47 | en |
sync.item.modts | 2022.06.21 08:16:45 | 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 |
Files
Original bundle
1 - 4 of 4
Loading...
- Name:
- final-thesis.pdf
- Size:
- 15.49 MB
- Format:
- Adobe Portable Document Format
- Description:
- final-thesis.pdf
Loading...
- Name:
- Posudek-Vedouci prace-24952_v.pdf
- Size:
- 86.14 KB
- Format:
- Adobe Portable Document Format
- Description:
- Posudek-Vedouci prace-24952_v.pdf
Loading...
- Name:
- Posudek-Oponent prace-24952_o.pdf
- Size:
- 90.08 KB
- Format:
- Adobe Portable Document Format
- Description:
- Posudek-Oponent prace-24952_o.pdf
Loading...
- Name:
- review_145235.html
- Size:
- 1.44 KB
- Format:
- Hypertext Markup Language
- Description:
- review_145235.html