dc.contributor.advisor |
Doležel, Petr |
|
dc.contributor.author |
Rais, Vítek
|
|
dc.date.accessioned |
2022-10-17T07:19:20Z |
|
dc.date.available |
2022-10-17T07:19:20Z |
|
dc.date.issued |
2022 |
|
dc.date.submitted |
2022-08-25 |
|
dc.identifier.uri |
https://hdl.handle.net/10195/80440 |
|
dc.description.abstract |
Tato práce se věnuje vytvoření detektoru přesné polohy objektů v reálném čase, jehož výstupy jsou dostatečně přesné pro následnou robotickou manipulaci s těmito objekty. Nejprve jsou představeny základní úlohy počítačového vidění a architektura konvolučních neuronových sítí. Následuje rešerše moderních metod pro detekci a klasifikaci objektů založených na hlubokých neuronových sítích. Praktická část se věnuje návrhu a implementaci samotného systému, který propojuje detekční model YOLOv5 a klasifikační EfficientNet. |
cze |
dc.format |
68 s. |
|
dc.language.iso |
cze |
|
dc.publisher |
Univerzita Pardubice |
cze |
dc.rights |
Bez omezení |
|
dc.subject |
počítačové vidění |
cze |
dc.subject |
konvoluční neuronové sítě |
cze |
dc.subject |
detekce objektů |
cze |
dc.subject |
YOLOv5 |
cze |
dc.subject |
EfficientNet |
cze |
dc.subject |
computer vision |
eng |
dc.subject |
convolutional neural networks |
eng |
dc.subject |
object detection |
eng |
dc.subject |
YOLOv5 |
eng |
dc.subject |
EfficientNet |
eng |
dc.title |
Systém pro detekci objektů v obrazových datech |
cze |
dc.title.alternative |
Object Detection in Visual Data |
eng |
dc.type |
diplomová práce |
cze |
dc.contributor.referee |
Štursa, Dominik |
|
dc.date.accepted |
2022-09-12 |
|
dc.description.abstract-translated |
The present thesis focuses on the creation of a detector of precise location of objects in real time. The outputs of this detector are precise enough for the subsequent robotic manipulation with these objects. First, the text presents the basic tasks of the computer vision and the architecture of the convolutional neuron networks. Second, it researched modern methods for detection and classification of objects that are based on deep neuron networks. The practical part is devoted to the design and implementation of the system itself, which links the YOLOv5 detection model and EfficientNet classification model. |
eng |
dc.description.department |
Fakulta elektrotechniky a informatiky |
cze |
dc.thesis.degree-discipline |
Informační technologie |
cze |
dc.thesis.degree-name |
Ing. |
|
dc.thesis.degree-grantor |
Univerzita Pardubice. Fakulta elektrotechniky a informatiky |
cze |
dc.thesis.degree-program |
Informační technologie |
cze |
dc.description.defence |
Cílem práce bylo navrhnout a implementovat systém pro detekci objektů v obrazových datech pomocí hlubokých neuronových sítí. V praktické části bylo navrženo a implementováno zařízení pro sběr a vyhodnocování dat. Dle vedoucího diplomové práce použil autor znalosti a dovednosti spadající do několika předmětů navazujícího magisterského studijního programu Informační technologie, zejména předmětů Základy umělé inteligence a Pokročitlé techniky programování. Autor práce postupoval při návrhu řešení zcela v souladu se zvyklosti v oboru a korektně definoval metriky pro vyhodnocení správnosti řešení. Dle vedoucího diplomové práce je předložená VŠKP v nadstandardní kvalitě. Dle oponenta splnil autor zadání v plném rozsahu. Práce je velmi komplexní a obsahuje úplný popis navrženého řešení. Komise hodnotila práci jako velice vydařenou. Student při obhajobě předvedl názorné ukázky a výborně prezentoval výsledky své práce. |
cze |
dc.identifier.stag |
43704 |
|
dc.description.grade |
Dokončená práce s úspěšnou obhajobou |
cze |