Original title: Základy detekce osob v obrazu pomocí metod strojového učení
Translated title: Basics of Pedestrians Detection in Image by Machine Learning
Authors: Lučanský, Peter ; Klečka, Jan (referee) ; Horák, Karel (advisor)
Document type: Bachelor's theses
Year: 2019
Language: eng
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [eng] [cze]
Táto Bakalárska práce sa zaoberá významnou problematikou v oblasti počítačového videnia, ktorou je detekcia osôb/chodcov v obraze, za pomoci metod strojového učenia, spolu s jej možným využitím, vývojom a vysvetlením princípov. Taktiež sa zaoberá testovaním dnes najlepšieho dostupného algoritmu, pričom sa porovnávajú faktory ktoré vplívajú na kvalitu jeho činnosti. Na začiatku je problematika stručne popísaná, potom sa prejde k podrobným popisom dosiahnutých pokrokov. V nasledujúcej časti sú popísané dostupné datasety, ktoré by sa dali použiť pri tréningu detekčného algoritmu. V poslednom rade sú vykonané trénovacie procesy za rozličných podmienok, pričom sú jednotlivé výsledky porovnávané. This thesis deals with cutting-edge computer vision task the detection of persons/pedestrians in images by using machine learning methods with its possible utilization, history of progress and explanations of functionalities. It also includes testing the today's best method available on various circumstances and comparing aspects that has impact on its performance. At the beginning the matter is fundamentally explained and then are in details described up to date achievements in the subject of matter. In the following part are described available datasets that may be used for training with pointed out their pros and cons. In the last section is in details explained how to use the chosen method. Lastly is executed its training on various situations and comparison of the results is made.
Keywords: average loss; detekcia objektov; extraktor príznakov; iterácie; konvolučná neuronová sieť; mean average precision; testovaci dataset; trenovaci dataset; average loss; batch size; convolutional neural network; dataset; feature extractor; intersection over union; iterations; mean average precision; object detection

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/11012/173750

Permalink: http://www.nusl.cz/ntk/nusl-401342


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Bachelor's theses