Název:
Detekce graffiti tagů v obraze
Překlad názvu:
Detection of Graffiti Tags in Image
Autoři:
Molisch, Marek ; Herout, Adam (oponent) ; Špaňhel, Jakub (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2021
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [cze][eng]
Cílem této práce je porovnat současné architektury modelů, zodpovědné za detekci objektů a použít je pro úlohu detekce graffiti tagů. Pro tyto účely byly v řešení vybrány state-of-the-art modely, které jsou podporovány frameworkem Tensorflow. Architektura Faster R-CNN byla nejpřesnější a architektura SSD nejrychlejší. Také byly provedeny experimenty s graffiti tagy z Athén na datasetu STORM, kde se zjistilo, že ke graffiti tagům je žádoucí přistupovat jako k objektům a ne jako k písmu.
The goal of this work is to compare today's architecture of object detection models and use them for the purpose of graffiti tag detection. State-of-the-art models, which are compatible with the Tensorflow framework, were used. Faster R-CNN architecture was found to be the most accurate and SSD architecture to be the fastest. Experiments with graffiti tags from Athens in the STORM dasater showed, that it is better to approach graffiti tags as objects rather than writings.
Klíčová slova:
CenterNet; detekce objektů; EfficientDet; Faster R-CNN; graffiti tagy; konvoluční neuronové sítě; SSD; Tensorflow; CenterNet; convolutional neural networks; EfficientDet; Faster R-CNN; graffiti tags; object detection; SSD; Tensorflow
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/199314