Název:
Detekce objektů pomocí hlubokých neuronových sítí
Překlad názvu:
Deep Learning for Object Detection
Autoři:
Paníček, Andrej ; Herout, Adam (oponent) ; Teuer, Lukáš (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2019
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [cze][eng]
Táto práca sa zaoberá detekciou objektov pomocou hlbokých neurónových sietí. V rámci riešenia som upravil, implementoval a natrénoval dobre známy model kaskádových neuró- nových sietí MTCNN tak aby dokázal vykonávať detekciu dopravných značiek. Trénovacie dáta boli vygenerované z dátových sád GTSRB a GTSDB. MTCNN ukázal solídny výkon na vyhodnocovacích dátach z dátovej sady GTSDB, kde dosiahol presnosť detekcie 97.8 %.
This work deals with the object detection using deep neural networks. As part of the solution, I modified, implemented and trained the well-known model of cascade neural networks MTCNN so that it could perform the detection of traffic signs. The training data was generated from GTSRB and GTSDB data sets. MTCNN showed solid performance on the evaluation data, where the detection accuracy reached 97.8 %.
Klíčová slova:
detekcia; detekcia značiek; GTSBD; GTSRB; hlboké neurónové siete; konvolučné neurónové siete; MTCNN; neurón; strojové učenie; umelá inteli-gencia; artificialintelligence; convolutional neural network; deep neural network; detection; GTSBD; GTSRB; machine learning; MTCNN; neuron; traffic sign detection
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/11012/180283