Original title:
Detekce výskytu objektů ve videozáznamu
Translated title:
Detecting the Occurrence of Objects in a Video
Authors:
Šamánek, Jan ; Orság, Filip (referee) ; Goldmann, Tomáš (advisor) Document type: Bachelor's theses
Year:
2020
Language:
cze Publisher:
Vysoké učení technické v Brně. Fakulta informačních technologií Abstract:
[cze][eng]
Tato bakalářská práce se zabývá detekcí objektů ve videozáznamu, především pomocí konvolučních neuronových sítí a implementace jednoduchého uživatelského rozhraní, které dovolí uživateli vybírání mezi klasifikátory a jejich využití pro analýzu videa a jejich trénování na vlastním datasetu. První část je dedikovaná popisu strojového učení a neuronových sítí. Poté následuje část pro popis segmentace a klasifikace obrazu pomocí algoritmů strojového učení a předzpracování dat pro trénování modelů. Poslední je praktická část, která popisuje návrh vytvořeného modelu, uživatelského rozhraní a dosažených výsledků.
This bachelor thesis deals with detection of objects in videos by using primarily convolution neural networks and creating simple user interface, which allows user to choose classification model and use it to analyze video or train given model on own dataset. First part is dedicated to description of machine learning and neural networks. After that follows the section about image description and image classification using machine learning algorithms and data augmentation. Last part deals with describtion of own design of neural network and user interface and describing achieved results.
Keywords:
artificial intelligence; convolutional neural networks; image; image classification; image segmentation; machine learning; neural networks; Opencv; Python; Tensorflow.; klasifikace obrazu; konvoluční neuronové sítě; neuronové sítě; obraz; Opencv; práce s obrazem; Python; strojové učení; Tensorflow.; umělá inteligence
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/11012/191522