Název:
Rozpoznání druhu vozidla v obraze
Překlad názvu:
Recognition of Vehicle Class in Image
Autoři:
Čabala, Roman ; Kodym, Oldřich (oponent) ; Špaňhel, Jakub (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2020
Jazyk:
slo
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [slo][eng]
Cieľom tejto bakalárskej práce je rozpoznať typ vozidla z obrazu pomocou neurónových sietí. Vozidlá sú rozdelené na šesť typov a to konkrétne - osobné auto, malá dodávka, dodávka, nákladné auto, kamión a autobus. Dátová sada bola vlastnoručne zozbieraná z videozáznamov, ktoré zaznamenávajú trajektóriu vozidiel. Následne bol zostrojený anotačný nástroj na anotovanie obrázkov. Na trénovanie sietí boli použité architektúry: VGG16, ResNet50, Xception, InceptionResNet-v2. Výsledkom práce je porovnanie architektúr. Všetky architektúry sa natrénovali a dosiahli výsledok nad 90%.
The goal of this bachelor thesis is to recognize the type of vehicle from the image using neural networks. Vehicles are divided into 6 types, namely a car, a small van, a van, a mini truck, a truck and a bus. The data set was picked from videos that record the trajectory of the vehicles. Subsequently, an image annotation tool was built. The following architectures were used for network training: VGG16, ResNet50, Xception, InceptionResNet-v2. The result of the work is a comparison of architectures. All architectures were trained and achieved a result above 90%.
Klíčová slova:
InceptionResNet; Keras; Python; ResNet50; Tensorflow; vehicle type classification; VGG16; Xception
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/11012/191677