Original title:
Hluboké neuronové sítě v rozpoznávání obrazu
Translated title:
Deep Learning for Image Recognition
Authors:
Kozel, Michal ; Španěl, Michal (referee) ; Hradiš, Michal (advisor) Document type: Bachelor's theses
Year:
2015
Language:
cze Publisher:
Vysoké učení technické v Brně. Fakulta informačních technologií Abstract:
[cze][eng]
Neuronové sítě momentálně dosahují nejlepších výsledků při rozeznávání řeči, obrazu a i dalších klasifikačních úloh. Tato práce popisuje základní prvky a vlastnosti neuronových sítí a způsob jejich učení. Cílem této práce bylo rozšířit Caffe framework o nové metody učení a porovnat jejich výsledky pomocí experimentů na datasetu Cifar-10. Konkrétně RMSPROP a normalizovaný SGD
Neural networks are currently state-of-the-art technology for speech, image and other recognition tasks. This thesis describes basis properties of neural networks and their learning. The aim of this thesis was to extend Caffe framework with new learning methods and compare their performance on Cifar10 dataset. Namely RMSPROP and normalized SGD
Keywords:
Cifar-10; convolutional neural networks; deep learning; image recognition; Neural networks; normalized SGD; RMSPROP; Cifar-10; hluboké učení; konvoluční neuronové sítě; neuronové sítě; normalizovaný SGD; RMSPROP; rozpoznávání obrazu
Institution: Brno University of Technology
(web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library. Original record: http://hdl.handle.net/11012/52486