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

Počítání vozidel ve statickém obraze

Files

Original bundle

Collections