|
|
Detekce dopravních značek v reálném čase
Sicha, Marek ; Přinosil, Jiří (oponent) ; Bravenec, Tomáš (vedoucí práce)
Tato bakalářská práce se zabývá detekcí a klasifikací dopravních značek v obrazech a videosekvencích. Cílem práce je i možnost provádět detekci a klasifikaci na jednodeskovém počítači. Pro řešení problému byly vybrány neuronové sítě a programovací jazyk Python. Detekce a klasifikace objektu je řešena zvlášť, tudíž byly použity dvě neuronové sítě. Pro klasifikaci byla zvolena konvoluční neuronová síť a pro detekci byl zvolen detektor z rodiny EfficientDet. Celková architektura byla testována na jednodeskovém počítači Nvidia Jetson Nano.
|
|
|
Umělá inteligence pro hledání parkovacího místa
Sicha, Marek ; Koudelka, Vlastimil (oponent) ; Kadlec, Petr (vedoucí práce)
Tato práce se zabývá rozpoznáváním parkovacích míst v obrazech pomocí umělé inteligence. Cílem práce bylo prostudovat neuronové sítě a vybrat vhodnou sít pro řešení daného problému. Pro implementaci byl zvolen programovací jazyk Python a jako vhodná neuronová síť byla vybrána konvoluční síť Mask R-CNN. Pro natrénování neuronové sítě byla vytvořena vlastní datová sada, které obsahuje snímky pořízené z pouličních kamer. Natrénovaná síť byla následně implementována v programu, který snadno poskytuje informace o dostupných parkovacích místech v určité oblasti. Program analyzuje snímky z kamer na parkovištích a v ulicích, určí počet volných parkovacích míst a zobrazí tyto informace v mapě.
|
|
| |
|
|
Traffic Sign Classification Using Deep Learning
Sicha, Marek
The thesis focuses on the classification of traffic signs in images and video sequences.The goal is real-time processing and usage of software in the vehicle. Neural networks and thePython programming language were chosen to solve the problem. To solve the problem a machinelearning method was chosen, more precisely a convolutional neural network. A neural network inthe Python programming language was created for the classification of traffic signs, using the Kerasand Tensorflow libraries. The neural network architecture is chosen for optimization for use on asingle-board computer with limited performance.
|
|
|
Detekce dopravních značek v reálném čase
Sicha, Marek ; Přinosil, Jiří (oponent) ; Bravenec, Tomáš (vedoucí práce)
Tato bakalářská práce se zabývá detekcí a klasifikací dopravních značek v obrazech a videosekvencích. Cílem práce je i možnost provádět detekci a klasifikaci na jednodeskovém počítači. Pro řešení problému byly vybrány neuronové sítě a programovací jazyk Python. Detekce a klasifikace objektu je řešena zvlášť, tudíž byly použity dvě neuronové sítě. Pro klasifikaci byla zvolena konvoluční neuronová síť a pro detekci byl zvolen detektor z rodiny EfficientDet. Celková architektura byla testována na jednodeskovém počítači Nvidia Jetson Nano.
|
|
| |
|
| |
|
|
Depozice tenkých vrstev Ba.sub.x./sub.Sr.sub.1-x./sub.TiO.sub.3./sub. pomocí dvoutryskového RF plazmatického systému s efektem duté katody
Hubička, Zdeněk ; Virostko, Petr ; Olejníček, Jiří ; Deyneka, Alexander ; Adámek, Petr ; Valvoda, V. ; Jastrabík, Lubomír ; Šícha, Miloš ; Tichý, M.
Nízkotlaký systém dvou plazmových trysek s efektem duté katody byl použit pro depozice feroelektrických tenkých vrstev BaxSr1-xTiO3 (BSTO). V keramických tryskách vyrobených z SrTiO3 a BaTiO3 byl zapálen pulzně modulovaný RF výboj s efektem duté katody. Chemické složení vrstev BSTO bylo kontrolováno pomocí středního výkonu přiváděného na jednotlivé trysky. Rentgenová difrakce potvrdila, že deponované tenké vrstvy BSTO jsou polykrystalické s perovskitovskou strukturou. Časově rozlišená diagnostika Langmuirovou sondou a měřák impedance byly použity pro ´in situ´ kontrolu depozičních podmínek.
|
|
| |
|
| |
host ::
RSS.