National Repository of Grey Literature 4 records found  Search took 0.00 seconds. 
Robotic Tracking of a Person using Neural Networks
Zakarovský, Matúš ; Lázna, Tomáš (referee) ; Žalud, Luděk (advisor)
Hlavným cieľom práce bolo vytvorenie softvérového riešenia založeného na neurónových sieťach, pomocou ktorého bolo možné detegovať človeka a následne ho nasledovať. Tento výsledok bol dosiahnutý splnením jednotlivých bodov zadania tejto práce. V prvej časti práce je popísaný použitý hardvér, softvérové knižnice a rozhrania pre programovanie aplikácií (API), ako aj robotická platforma dodaná skupinou robotiky a umelej inteligencie ústavu automatizácie a meracej techniky Vysokého Učenia Technického v Brne, na ktorej bol výsledný robot postavený. Následne bola spracovaná rešerš viacerých typov neurónových sietí na detekciu osôb. Podrobne boli popísané štyri detektory. Niektoré z nich boli neskôr testované na klasickom počítači alebo na počítači NVIDIA Jetson Nano. V ďalšom kroku bolo vytvorené softvérové riešenie tvorené piatimi programmi, pomocou ktorého bolo dosiahnuté ciele ako rozpoznanie osoby pomocou neurónovej siete ped-100, určenie reálnej vzdialenosti vzhľadom k robotu pomocou monokulárnej kamery a riadenie roboty k úspešnému dosiahnutiu cieľa. Výstupom tejto práce je robotická platforma umožnujúca detekciu a nasledovanie osoby využiteľné v praxi.
Traffic Signs Recognition by Means of Machine Learning Approach
Zakarovský, Matúš ; Richter, Miloslav (referee) ; Horák, Karel (advisor)
This thesis researches methods of traffic sign recognition using various approaches. Technique based on machine learning utilizing convolutional neural networks was selected forfurther implementation. Influence of number of convolutional layers on neural network’s performance is studied. The resulting network is tested on German Traffic Sign Recognition Benchmark and author’s dataset.
Robotic Tracking of a Person using Neural Networks
Zakarovský, Matúš ; Lázna, Tomáš (referee) ; Žalud, Luděk (advisor)
Hlavným cieľom práce bolo vytvorenie softvérového riešenia založeného na neurónových sieťach, pomocou ktorého bolo možné detegovať človeka a následne ho nasledovať. Tento výsledok bol dosiahnutý splnením jednotlivých bodov zadania tejto práce. V prvej časti práce je popísaný použitý hardvér, softvérové knižnice a rozhrania pre programovanie aplikácií (API), ako aj robotická platforma dodaná skupinou robotiky a umelej inteligencie ústavu automatizácie a meracej techniky Vysokého Učenia Technického v Brne, na ktorej bol výsledný robot postavený. Následne bola spracovaná rešerš viacerých typov neurónových sietí na detekciu osôb. Podrobne boli popísané štyri detektory. Niektoré z nich boli neskôr testované na klasickom počítači alebo na počítači NVIDIA Jetson Nano. V ďalšom kroku bolo vytvorené softvérové riešenie tvorené piatimi programmi, pomocou ktorého bolo dosiahnuté ciele ako rozpoznanie osoby pomocou neurónovej siete ped-100, určenie reálnej vzdialenosti vzhľadom k robotu pomocou monokulárnej kamery a riadenie roboty k úspešnému dosiahnutiu cieľa. Výstupom tejto práce je robotická platforma umožnujúca detekciu a nasledovanie osoby využiteľné v praxi.
Traffic Signs Recognition by Means of Machine Learning Approach
Zakarovský, Matúš ; Richter, Miloslav (referee) ; Horák, Karel (advisor)
This thesis researches methods of traffic sign recognition using various approaches. Technique based on machine learning utilizing convolutional neural networks was selected forfurther implementation. Influence of number of convolutional layers on neural network’s performance is studied. The resulting network is tested on German Traffic Sign Recognition Benchmark and author’s dataset.

Interested in being notified about new results for this query?
Subscribe to the RSS feed.