Název: Rozpoznání výrobce a modelu automobilu v obraze
Překlad názvu: Vehicle Make and Model Recognition in Image
Autoři: Hrivňák, Marek ; Hradiš, Michal (oponent) ; Herout, Adam (vedoucí práce)
Typ dokumentu: Bakalářské práce
Rok: 2020
Jazyk: slo
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [slo] [eng]
Táto práca sa zaoberá trénovaním konvolučnej neurónovej siete na rozpoznávanie vozidiel z obrazu, príprave trénovacích dát a následne vytvoreniu metódy na vylepšenie rozpoznania. Riešenie sa zameriava na vplyv a využitie ohraničovacieho rámca a využitím dátovej augmentácie pre čo najvýššiu úspešnosť rozpoznania vozidiel z obrazu. Zároveň sa práca zameriava na porovnanie rozpoznania s využívaním obaľovacieho kvádra a poukázaniu na výraznejšie priblíženie, v niektorých prípadoch aj prekonanie, úspešnosti rozpoznania. V práci je použitá dátová sada BoxCars116k, ktorá je voľne dostupná a vytvorená skupinou GRAPH@FIT. Ako súčasť tejto práce som zároveň zozbieral obrázky vozidiel, ktoré môžu byť použité ako súčasť väčšej dátovej sady. Riešenie tejto práce zvyšuje úspešnosť rozpoznania vozidiel z obrazu až o 8 % v porovnaní s inými konvolučnými neurónovými sieťami bez aplikovanej metódy. Súčasťou práce sú aj vykonané experimenty, ktoré poukazujú na vplyv rôznych činiteľov na úspešnosť práce. This thesis focuses on training convolutional neural network for vehicle recognition in image, preparation of training data and improvement of classification accuracy. Solution focuses on effect of using 2D bounding box and data augmentation for better recognition accuracy. In this thesis, I also elaborate the comparison with papers using 3D bounding box and showing, my method approaches in some cases even outperforms method using 3D bounding box. BoxCars116k data set is used, which is freely available and collected by the GRAPH@FIT research group. In order to support the main data set, I also collected some vehicle images. As a result of the analysis, it is observed that accuracy of vehicle recognition increased 8% points in comparison with other convolutional neural networks without the proposed modifications. As part of my thesis I also performed several experiments, which show effect of different factors on classification accuracy.
Klíčová slova: 2D bounding box; classification; convolutional neural network; data augmentation; data set; vehicle recognition

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/11012/191679

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-592421


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Vysoké učení technické v Brně
Vysokoškolské kvalifikační práce > Bakalářské práce