Original title: Počítání charakteristických šupin ještěrky obecné v barevných obrazech
Translated title: Counting of characteristic scales of sand lizards in colour images
Authors: Maršala, Štěpán ; Štursa, Dominik (referee) ; Škrabánek, Pavel (advisor)
Document type: Master’s theses
Year: 2022
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta strojního inženýrství
Abstract: [cze] [eng]
V diplomové práci je popsán návrh a implementace programu pro počítání sekundárních šupin v obrazových datech ventrálních stran těl ještěrek obecných. Program respektuje požadavky vědců z Ústavu biologie obratlovců Akademie věd ČR a Pedagogické fakulty Masarykovy univerzity na ovladatelnost a na přesnost výsledků. Program se skládá z několika částí. Na vstupu přijímá fotografie ještěrek obecných, ve kterých vyřízne zájmovou oblast. Orientaci těchto výřezů unifikuje pomocí detekovaných objektů. Detekci objektů zajišťuje YOLOv4. Další část programu zvaná Centroid detektor určuje v unifikovaných výřezech pozice středů sekundárních šupin. Tato část využívá konvoluční neuronové sítě U-Net, která je speciálně modifikovaná pro detekci středů objektů v těsné blízkosti. Poslední části programu rozdělí detekované pozice středů šupin na levou a pravou sekundární řadu a zapíší jejich počty do výstupního souboru. The diploma thesis describes the design and implementation of a program for counting secondary scales in the image data of the ventral sides of the bodies of sand lizards. The program respects the requirements of scientists from the Institute of Vertebrate Biology of the Czech Academy of Sciences and the Faculty of Education at Masaryk University for the controllability and accuracy of results. The program consists of several parts. In input receives photos of sand lizards, in which he cuts out an area of interest. Unifies the orientation of these sections using detected objects. Object detection is provided by YOLOv4. Another part of the program called the Centroid Detector determines the position of the centers of the secondary scales in the unified sections. This part uses the U-Net convolutional neural network, which is specially modified to detect the centers of objects in close proximity. The other parts of the program divide the detected positions of the scale centers into left and right secondary rows and write their numbers to the output file.
Keywords: Centroid Detector; convolutional neural networks; machine vision; Python 3; YOLOv4; Centroid detektor; konvoluční neuronové sítě; Python 3; strojové vidění; YOLOv4

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/11012/205402

Permalink: http://www.nusl.cz/ntk/nusl-502976


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